Giáo trình Quản lý môi trường

Lớp QLMT_K48

…………..o0o…………..

Tiểu luận
Giáo trình Quản lý môi trường
1
Lớp QLMT_K48
MỤC LỤC
......................................................................................................................................................1
2
Lớp QLMT_K48
8.1. Tổng quan
Mục tiêu của chương là đánh giá khả năng và giới hạn của mô hình khí hậu toàn
cầu. Một số hoạt động đánh giá được mô tả ở những chương khác của báo cáo.
Chương này cung cấp bối cảnh những nghiên cứu đó và hướng dẫn người đọc
những chương thích hợp.
8.1.1. Đánh giá có nghĩa là gì
Một dự báo cụ thể dựa trên mô hình có thể chứng minh được là đúng hoặc sai
nhưng bản thân mô hình luôn luôn cần xem xét thận trọng. Điều này đúng với dự
báo thời tiết và dự báo khí hậu. Dự báo thời tiết được sinh ra từ những thông tin cơ
bản, thường xuyên và có thể đối chiếu với những hiện tượng đã xảy ra. Theo thời
gian, nhưng thông tin này được tích lũy và cung cấp cho mô hình. Trái lại, trong
mô phỏng sự biến đổi khí hậu, mô hình được sử dụng để dự báo những thay đổi
trong tương lai có thể xảy ra qua khoảng thời gian hàng thập kỷ và không có những
thay đổi tương tự đã xảy ra trong quá khứ. Độ tin cậy của mô hình có thể thu được
qua việc mô phỏng những ghi chép trong lịch sử hoặc khí hậu cổ, nhưng điều này
bị giới hạn hơn so với dự báo thời tiết.
8.1.2. Phương pháp đánh giá
Mô hình khí hậu là mô hình tổng hợp với nhiều thành phần. Mô hình phải được thử
nghiệm ở mức độ hệ thống, tức là chạy một mô hình đầy đủ và so sánh kết quả với

thông tin đã thu thập được. Những thử nghiệm này có thể cho thấy lỗi của mô hình
nhưng nguyên nhân của chúng bị ẩn đi bởi tính phức tạp của mô hình. Vì vậy, cần
phải thử nghiệm mô hình ở mức độ thành phần, tức là cô lập những thành phần và
kiểm tra chúng độc lập so với một mô hình hoàn chỉnh. Việc đánh giá mức độ
thành phần của mô hình khí hậu là thông thường. Phương pháp số được thử
nghiệm ở những test tiêu chuẩn, được thiết lập qua hoạt động như hội nghị hai năm
một lần về Partial Differential Equations on Sphere. Các thông số vật lý sử dụng
trong mô hình biến đổi khí hậu được thử nghiệm qua nhiều nghiên cứu (một số dựa
trên những số liệu thu thập được và một số được lý tưởng hóa), được thiết lập
thông qua chương trình Đo lường phóng xạ khí quyển (ARM), Hệ thống mây châu
Âu (EUROCS), Năng lượng toàn cầu và cuộc thử nghiệm chu trình nước
(GEWEX), Nghiên cứu hệ thống mây (GCSS). Những hoạt động này đã và đang
diễn ra trong một thập kỷ hoặc nhiều hơn và phần lớn kết quả đã công bố.
Việc đánh giá mức độ hệ thống tập trung vào kết quả của mô hình đầy đủ (ví dụ
mô hình mô phỏng các biến khí hậu) và các phương pháp cụ thể được bàn chi tiết
dưới đây.
8.1.2.1. So sánh các mô hình và ensemble
3
Lớp QLMT_K48
Hoạt động so sánh mô hình toàn cầu bắt đầu từ cuối những năm 1980, được tiếp
tục với dự án so sánh mô hình khí quyển (AMIP) bây giờ đã bao gồm vài tá dự án
bao phủ toàn bộ các thành phần mô hình khí hậu và các dạng mô hình kết hợp khác
nhau (tóm tắt tại Nỗ lực tham vọng trong
việc thu thập và phân tích kết quả mô hình lưu chuyển khí quyển đại dương
(AOGCM) từ các thí nghiệm tiêu chuẩn được thực hiện trong vài năm gần đây.
Điều này khác với các so sánh mô hình trước đó ở chỗ một tập hợp hoàn thiện các
thí nghiệm được thực nghiệm, bao gồm việc mô phỏng có điều khiển không bắt
buộc, mô phỏng nhằm tái tạo biến đổi khí hậu được quan sát qua những thời điểm
và mô phỏng biến đổi khí hậu trong tương lai. Với mỗi thí nghiệm, các mô phỏng
được thực hiện trên nhiều mô hình khác nhau để việc chia sẻ tín hiệu biến đổi khí

hậu từ sự biến thiên bên trong trong phạm vi hệ thống khí hậu được dễ dàng hơn.
Có lẽ, thay đổi quan trọng nhất từ những nỗ lực này là bộ sưu tập tập hợp các kết
quả mô hình ở chương trình Chẩn đoán mô hình khí hậu và so sánh (PCMID).
Thành tựu này liên quan đến Tập hợp dữ liệu đa mô hình (MMD) ở PCMID, đã
cho phép hàng trăm nhà khoa học ở bên ngoài các nhóm làm mô hình có thể xem
xét kỹ lưỡng mô hình dưới nhiều góc độ khác nhau.
Sự nâng cao việc phân tích chẩn đoán kết quả mô hình khí hậu là một bước quan
trọng. Nhìn chung, những hoạt động so sánh đang diễn ra đã làm gia tăng mối liên
hệ giữa các nhóm làm mô hình, cho phép nhận dạng nhanh chóng và sửa chữa sai
số của mô hình, khuyến khích sáng tạo sự tính toán tiêu chuẩn cũng như những ghi
chép có hệ thống về những tiến bộ trong mô hình hóa.
Ensemble của mô hình đại diện cho một phương thức mới để nghiên cứu một
nhóm khí hậu đáng tin cậy tương ứng với một cưỡng bức cho trước. Những
ensemble này có thể được tạo ra từ việc thu thập kết quả của một nhóm mô hình ở
các trung tâm làm mô hình khác nhau (ensemble đa mô hình) hoặc được tạo ra qua
các phiên bản đa mô hình trong phạm vi cấu trúc một mô hình cụ thể, bằng cách
thay đổi các thông số mô hình bên trong trong một khoảng tin cậy (ensemble vật lý
xáo trộn). Những tiếp cận này được bàn chi tiết ở phần 10.5.
8.1.2.2. Hệ thông số độ tin cậy của mô hình
Độ chính xác mô phỏng mô hình khí hậu trong quá khứ hay hiện tại cho biết điều
gì về độ chính xác của dự báo biến đổi khí hậu? Một số các thông số dựa trên
thông tin thu thập được sử dụng để định lượng độ tin cậy của mô hình khi đưa ra
dự báo xác suất (phần 10.5.4).
Với bất kỳ thông số nào, cần đánh giá sự đúng đắn của kết quả mô hình dự báo khí
hậu trong tương lai. Không thể tiến hành phép thử trực tiếp bởi vì không có những
thay đổi cưỡng bức tương tự như những thay đổi dự báo ở thế kỷ 21. Dù vậy, mối
quan hệ giữa thông số từ thông tin thu thập được với lượng dự báo (ví dụ độ nhậy
khí hậu) có thể được khám phá qua ensemble mô hình. Shulka et al. (2006) đã liên
hệ độ trung thực của nhiệt độ bề mặt mô phỏng trong thế kỷ 20 với những thay đổi
nhiệt độ bề mặt được mô phỏng ở thế kỷ 21 trong một ensemble đa mô hình. Kết

4
Lớp QLMT_K48
quả là, mô hình có sai số ở thế kỷ 20 nhỏ nhất tạo ra một số gia nhiệt độ bề mặt
khá lớn ở thế kỷ 21. Knutti et al.(2006) sử dụng một ensemble vật lý xáo trộn khác
đã chỉ ra rằng mô hình có nhiệt độ bề mặt thay đổi theo mùa thường có độ nhậy lớn
hơn. Những thông số phức tạp hơn được phát triển dựa vào những thông tin thu
thập về khí hậu hiện tại và có tiềm năng làm giảm tính mờ của độ nhậy khí hậu qua
những ensemble mô hình đã cho (Murphy et al.,2004; Piani et al.,2005). Những
nghiên cứu trên hứa hẹn rằng thông số định lượng khả năng xảy ra của dự báo mô
hình có thể được phát triển, nhưng sự phát triển của thông số mới ở giai đoạn đầu,
việc đánh giá mô hình mô tả ở chương này chủ yếu dựa vào kinh nghiệm và suy
luận vật lý.
Một sự phát triển quan trọng kể từ khi Báo cáo đánh giá thứ ba (TAR) đang thiết
lập và định lượng quá trình thông tin phản hồi (feedback process) là xác định phản
ứng của thay đổi khí hậu. Hiểu biết về những quá trình này củng cố cả cách tiếp
cận đánh giá mô hình dựa trên thông số lẫn truyền thống. Ví dụ Hall và Qu (2006)
phát triển một thông số cho feedback giữa nhiệt độ và albedo trong một vùng bị
bao phủ bởi tuyết, dựa trên mô phỏng chu kỳ theo mùa. Họ thấy rằng, mô hình có
feedback dựa vào chu kỳ mùa cũng có một feedback ở điều kiện khí nhà kính tăng
lên. So sánh với giá trị ước đoán quan sát được của chu kỳ theo mùa cho thấy đa số
mô hình trong MMD thấp hơn giá trị ước đoán của feedback này. Phần 8.6 mô tả
các feedback khác nhau, vận hành trong hệ thống băng bề mặt biển, khí quyển đất
để xác định độ nhậy của khí hậu và phần 8.3.2 mô tả vài quá trình quan trọng về sự
hấp thu nhiệt của đại dương (và thay đổi khí hậu nhất thời).
8.1.2.3. Thử nghiệm mô hình với khí hậu trong quá khứ và hiện tại
Thử nghiệm khả năng của mô hình trong việc mô phỏng khí hậu hiện tại (bao gồm
tính biến thiên và điểm cực) là một phần quan trọng của đánh giá mô hình (phần
8.3 tới 8.5, và đánh giá vùng cụ thể ở chương 11). Trong đó, cần có những lựa
chọn thực tế(…). Những quyết định như thế được đưa ra bởi các nhà nghiên cứu và
phụ thuộc vào vấn đề được nghiên cứu. Sự khác nhau giữa mô hình và các quan sát

cần được xem xét nếu chúng nằm trong phạm vi:
1. Tính biến thiên bên trong không dự đoán được (ví dụ thời điểm quan sát có
một số bất thường các sự kiện El Nino).
2. Sự khác nhau theo một điều kiện
3. Tính mờ trong các lĩnh vực quan sát.
Trong khi không gian không cho phép bàn luận chi tiết các vấn đề trên cho mỗi
biến khí hậu, chúng được tính đến trong đánh giá tổng thể. Mô phỏng mô hình khí
hậu hiện tại ở phạm vi toàn cầu đến tiểu lục địa được mô tả ở chương này, các chi
tiết về vùng có thể xem ở chương 11.
Mô hình được sử dụng rộng rãi để mô phỏng biến đổi khí hậu trong suốt thế kỷ 20.
Vì những thay đổi bắt buộc không được biết tới đầy đủ ở thời điểm đó (chương 2),
những thử nghiệm như trên không ràng buộc đầy đủ phản ứng trong tương lai với
những thay đổi bắt buộc. Knutti et al.(2002) chỉ ra rằng trong một ensemble vật lý
5
Lớp QLMT_K48
xáo trộn của Mô hình hệ thống trái đất có sự phức tạp trung bình (EMICs), nếu
cưỡng bức sol khí được phép thay đổi trong phạm vi khoảng mờ của nó thì mô
phỏng từ mô hình này trong một khoảng độ nhậy khí hậu là phù hợp với nhiệt độ
không khí bề mặt được quan sát và hàm lượng nhiệt trong đại dương. Mặc dù giới
hạn cơ bản này, thử nghiệm mô phỏng các quan sát trong lịch sử thế kỷ 20 tạo ra
ràng buộc với phản ứng của khí hậu tương lai (Knutti et al., 2002). Chủ đề này
được bàn chi tiết ở chương 9.
8.1.2.4. Các phương pháp đánh giá khác
Mô phỏng khí hậu trong quá khứ cho phép mô hình được đánh giá theo một cách
thức khác so với hiện tại. Những thử nghiệm này bổ sung đánh giá khí hậu hiện tại
và khí hậu tại thời điểm thuộc dụng cụ, bởi vì sự biến thiên khí hậu ở thế kỷ 20
được so sánh với những thay đổi tương lai dự kiến theo một kịch bản bắt buộc từ
báo cáo đặc biệt của IPCC về kịch bản phát xạ (SRES). Giới hạn của thử nghiệm
khí hậu cổ là tính mờ trong cưỡng bức và các biến khí hậu thực tế (nhận được từ
proxy) thường lớn hơn so với ở thời điểm dụng cụ, và số biến khí hậu để có proxy

cổ bị giới hạn. Hơn nữa, tình trạng khí hậu có thể thay đổi (ví dụ kích cỡ lớn nhất
của dải băng) dẫn đến quá trình định lượng (ví dụ độ nhậy của khí hậu) khác biệt
so với ở thế kỷ 21. Cuối cùng là khoảng thời gian biến đổi rất dài dẫn đến những
khó khăn trong thiết kế thực nghiệm, ít nhất là cho mô hình lưu chuyển chung
(GCMs). Những vấn đề này được bàn sâu sắc trong chương 6.
Mô hình khí hậu có thể được thử nghiệm thông qua những dự báo dựa trên điều
kiện ban đầu. Mô hình khí hậu liên quan với mô hình dự báo thời tiết bằng số(..).
Dù vậy, mô hình dự báo thời tiết bằng số chạy ở độ phân giải cao hơn so với mô
phỏng khí hậu. Đánh giá những dự báo như thế kiểm tra mô tả của mô hình đối
với một vài quá trình chính trong không khí và đại dương, mặc dù mối liên hệ giữa
những quá trình này và phản ứng khí hậu dài hạn không được thiết lập. Chất lượng
của một dự báo có giá trị ban đầu phụ thuộc vào vài yếu tố vượt ra ngoài bản thân
mô hình bằng số (ví dụ kỹ thuật đồng hóa, phương pháp sinh ensemble), và những
yếu tố này có thể kém liên quan tới dự đoán phản ứng bắt buộc, dài hạn của hệ
thống khí hậu với những thay đổi theo cưỡng bức bức xạ.
8.1.3. Mô hình được xây dựng như thế nào
Cơ sở để xây dựng mô hình không thay đổi kể từ TAR, mặc dù mô hình đã có
những bước phát triển cụ thể (phần 8.2). Mô hình khí hậu có được từ các định luật
vật lý cơ bản (ví dụ như định luật chuyển động của Newton), để đưa ra xấp xỉ vật
lý phù hợp với hệ thống khí hậu trong phạm vi lớn, và xa hơn để xấp xỉ trong
discretization toán học. Những ràng buộc của máy tính hạn chế giải pháp có thể
xảy ra trong phương trình discretized và những ảnh hưởng có quy mô lớn của quá
trình không được giải đáp (vấn đề thông số).
8.1.3.1. Lựa chọn thông số và tuning
Thông số hóa dựa một phần vào mô hình vật lý đơn giản của những quá trình
không được giải đáp (ví dụ ..). Hệ thông số hóa cũng liên quan thông số bằng số
6
Lớp QLMT_K48
được chỉ rõ ở đầu vào. Một vài thông số này có thể đo lường, ít nhất là theo nguyên
tắc, trong khi những thông số khác không thể. Bởi vậy, có thể điều chỉnh giá trị của

thông số (có thể chọn từ những phân bố ưu tiên) để tối ưu hóa mô phỏng mô hình
các biến cụ thể hoặc để cải thiện sự cân bằng nhiệt độ toàn cầu. Quá trình này gọi
là ‘tuning’.
1. Ràng buộc dựa trên quan sát của khoảng thông số không quá lớn. Trong một vài
trường hợp, điều này cung cấp một điều kiện về giá trị thông số (ví dụ,
Heymsfield và Donner 1990).
2. Mức độ tự do của những thông số có thể điều hòa nhỏ hơn mức độ tự do của
những điều kiện dựa trên quan sát sử dụng trong đánh giá mô hình. Điều này
đúng với đa số GCMs- ví dụ mô hình khí hậu không điều hòa một cách rõ ràng
để đưa ra tính biến thiên của dao động phía bắc Đại Tây Dương (NAO)- nhưng
không có nghiên cứu nào có giá trị để trả lời câu hỏi trên. Nếu mô hình được
điều hòa để đưa ra trình diễn tốt về một lượng quan sát cụ thể thì thỏa thuận với
quan sát này không thể được sử dụng để xây dựng độ tin cậy của mô hình. Dù
vậy, một mô hình có thể được điều hòa để trình diễn tốt một số quan sát chủ
chốt có khả năng đưa ra một dự báo chính xác, hơn là một mô hình tương tự (có
lẽ là một thành viên khác của ensemble vật lý xáo trộn) nhưng ít được điều hòa
(phần 8.1.2.2 và chương 10).
Dựa vào thời gian máy tính, quy trình điều hòa theo nguyên tắc có thể được tự
động sử dụng quy trình đồng hóa dữ liệu khác nhau. Dù vậy, điều này chỉ khả thi
với EMICs (Hargreaves et al.,2004) và GCMs phân giải thấp. Phương pháp
ensemble không phải lúc nào cũng tạo ra một thông số tốt nhất với một sai số đã
cho.
8.1.3.2. Dải mô hình hay hệ thống cấp bậc
Giá trị khi sử dụng một nhóm mô hình (một dải hay hệ thống) có tính phức tạp
khác nhau được nói đến trong TAR (phần 8.3). Những mô hình rẻ hơn như EMICs
cho phép khám phá thấu đáo hơn khoảng cách thông số và cũng đơn giản hơn khi
phân tích phản ứng của mô hình cụ thể. Mô hình có độ phức tạp giảm được sử
dụng một cách rộng rãi trong báo cáo hơn là trong TAR, và giá trị của chúng được
bàn đến ở phần 8.8. Mô hình khí hậu vùng có thể xem như phần hình thành một hệ
thống mô hình khí hậu.

Câu hỏi 8.1: Mô hình đưa ra dự báo biến đổi trong tương lai có độ tin cậy như thế
nào?
Mô hình khí hậu cung cấp giá trị ước lượng đáng tin cậy về biến đổi khí hậu trong
tương lai, đặc biệt là ở quy mô lục địa và lớn hơn. Sự tin cậy bắt nguồn từ sự thành
lập mô hình dựa trên nguyên tắc vật lý đã được chấp nhận và khả năng của chúng
khi tái tạo ra đặc điểm biến đổi khí hậu hiện tại và trong quá khứ. Độ tin cậy trong
ước lượng mô hình cho vài biến khí hậu (ví dụ nhiệt độ) cao hơn so với những biến
khác (ví dụ lượng mưa). Qua vài thập kỷ phát triển, mô hình đã cung cấp một bức
tranh rõ ràng về sự ấm lên của khí hậu ứng với sự tăng lên của khí nhà kính.
7
Lớp QLMT_K48
Mô hình khí hậu là biểu diễn toán học về hệ thống khí hậu, được diễn tả qua mã
máy tính và chạy trên máy tính mạnh. Một nguyên nhân dẫn đến độ tin cậy của mô
hình là những yếu tố cơ bản của mô hình dựa trên những định luật vật lý đã thiết
lập như định luật bảo toàn khối lượng, năng lượng và động lượng, cùng với nhiều
quan sát.
Nguyên nhân thứ hai là khả năng của mô hình trong việc mô phỏng những khía
cạnh quan trọng của khí hậu hiện tại. Mô hình được đánh giá một cách tổng quát
qua việc so sánh mô phỏng với những quan sát về không khí, đại dương, khu vực
thấp và bề mặt đất. Mức độ đánh giá chưa từng thấy đã chiếm chỗ hơn một thập kỷ
gần đây là so sánh đa mô hình có tổ chức. Mô hình có những kỹ năng đáng kể và
tăng lên khi thể hiện nhiều đặc điểm khí hậu quan trọng như phân bố trong phạm vi
lớn của nhiệt độ không khí, lượng mưa, phóng xạ và gió, nhiệt độ đại dương, dòng
và sự bao phủ băng trên biển. Mô hình cũng có thể mô phỏng những khía cạnh cốt
yếu của nhiều kiểu biến thiên khí hậu được quan sát qua các khoảng thời gian. Ví
dụ như bước tiến và lùi của hệ thống gió mùa chính, sự chuyển đổi theo mùa của
nhiệt độ, đường đi của bão và vành đai mưa, dao động trong phạm vi bán cầu của
áp suất bề mặt (phương thức hình khuyên phía bắc và phía nam). Một số mô hình
hay những biến thể liên quan cũng được thử nghiệm bằng cách sử dụng những mô
hình này để dự báo thời tiết và dự báo theo mùa. Những mô hình này cho thấy kĩ

năng trong những dự báo như trên, chúng có thể biểu diễn những đặc điểm quan
trọng của chu trình nói chung qua một khoảng thời gian ngắn cũng như tính biến
thiên theo mùa và giữa năm. Tính biến thiên của mô hình khi biểu diễn những đặc
điểm khí hậu quan trọng làm tăng lên sự tin cậy rằng chúng mô tả quá trình vật lý
cốt yếu mà quá trình này mô phỏng biến đổi khí hậu trong tương lai. (chú ý rằng
giới hạn của tính biến thiên mô hình khí hậu khi dự báo thời tiết muộn hơn một vài
ngày không giới hạn khả năng của chúng để dự báo biến đổi khí hậu dài hạn, bởi vì
đây là những kiểu rất khác nhau của dự báo)
Nguyên nhân thứ ba là khả năng của mô hình tạo ra đặc điểm của biến đổi khí hậu
trong quá khứ. Mô hình cũng được sử dụng để mô phỏng khí hậu cổ như thể mid-
Holocene ấm ở 6000 năm trước hay cực đại băng hà cách đây 21000 năm (chương
6). Chúng có thể tạo ra nhiều đặc điểm (cho phép tính mờ trong khí hậu cổ đang
xây dựng) như độ lớn và broad-scale pattern của quá trình làm lạnh biển suốt thời
kỳ đóng băng. Mô hình cũng có thể mô phỏng nhiều khía cạnh được quan sát của
biến đổi khí hậu qua các ghi chép của dụng cụ. Một ví dụ là xu hướng nhiệt độ
toàn cầu hơn một thế kỷ gần đây (hình 1)có thể được mô hình hóa với kỹ năng cao
khi cả yếu tố tự nhiên và nhân tạo có ảnh hưởng tới khí hậu được tính đến. Mô
hình cũng có thể tạo ra những thay đổi được quan sát khác như nhiệt độ ban đêm
tăng lên nhanh hơn so với ban ngày, sự ấm lên ở Nam Cực, và quá trình làm lạnh
toàn cầu ngắn hạn (và sự phục hồi sau đó) sau những vụ phun núi lửa chính, như ở
Mt.Pinatubo 1991. Mô hình dự báo nhiệt độ toàn cầu được làm qua hơn hai thập kỷ
gần đây và vẫn còn phù hợp với những quan sát sau thời điểm đó.
8
Lớp QLMT_K48
Dù vậy, mô hình cũng có sai số đáng kể. Những sai số này lớn hơn ở trong phạm vi
nhỏ(..). Ví dụ sự thiếu hụt còn lại trong mô phỏng lượng mưa nhiệt đới, sự dao
động phía nam của El Nino và sự dao động Madden-Julian (một biến đổi được
quan sát về gió nhiệt đới và lượng mưa trong khoảng thời gian 30 đến 90 ngày).
Nguyên nhân cuối cùng gây ra sai số là nhiều quá trình quan trọng trong phạm vi
nhỏ không thể mô tả một cách rõ ràng trong mô hình, và phải ở dạng xấp xỉ khi

chúng liên kết với những đặc điểm trong phạm vi lớn. Điều này một phần bởi vì
giới hạn của tính toán, nhưng cũng là kết quả từ giới hạn hiểu biết khoa học hoặc
tính biến thiên của những quan sát tỉ mỉ quá trình vật lý. Tính mờ đáng kể liên
quan đến việc mô tả những đám mây, và phản ứng của mây với biến đổi khí hậu.
Do đó, mô hình tiếp tục mô tả một khoảng theo sau sự biến đổi nhiệt độ toàn cầu
ứng với khí nhà kính tăng lên. Mặc dù tính mờ, mô hình thống nhất trong dự báo
sự ấm lên của khí hậu sau đó dưới sự tăng lên của khí nhà kính, và sự ấm lên này
có độ lớn phù hợp với ước lượng độc lập nhận được từ những nguồn khác, ví dụ từ
những biến đổi khí hậu được quan sát và sự khôi phục khí hậu trong quá khứ.
Bởi vì độ tin cậy của biến đổi được dự báo bằng mô hình toàn cầu giảm ở phạm vi
nhỏ, nên những kỹ thuật khác như sử dụng mô hình khí hậu vùng hoặc phương
pháp downscaling được phát triển cho nghiên cứu biến đổi khí hậu của vùng và địa
phương. Dù vậy, khi mà mô hình toàn cầu tiếp tục phát triển, và cách giải chúng
được mở rộng, chúng trở thành công cụ hữu ích để điều tra đặc điểm trong phạm vi
nhỏ như sự thay đổi khi thời tiết cực độ, và những cải tiến xa hơn trong mô tả vùng
được mong đợi với năng lực tính toán được tăng lên. Mô hình đang ngày càng toàn
diện trong xử lý hệ thống khí hậu, sự mô tả một cách rõ ràng quá trình sinh lý, vật
lý và sự tương tác coi biến đổi khí hậu quan trọng một cách tiềm năng, đặc biệt là ở
khoảng thời gian dài. Ví dụ, các phản ứng của thực vật gần đây, sự tương tác sinh
học và hóa học trong biển, và động học bao phủ băng trong vài mô hình khí hậu
toàn cầu.
Tóm lại, độ tin cậy trong mô hình bắt nguồn từ nền tảng vật lý và kỹ năng mô tả
biến đổi khí hậu được quan sát và khí hậu trong quá khứ. Mô hình được chứng
minh là một công cụ quan trọng mô phỏng và hiểu biết về khí hậu, và có một sự tin
cậy đáng kể rằng chúng có khả năng cung cấp ước lượng định lượng đáng tin của
biến đổi khí hậu tương lai, đặc biệt là ở phạm vi lớn. Mô hình có giới hạn đáng kể
như trong việc mô tả đám mây, dẫn đến tính mờ trong độ lớn và thời gian, cũng
như chi tiết vùng của biến đổi khí hậu được dự đoán. Dẫu vậy, qua vài thập kỷ phát
triển của mô hình, chúng đã cung cấp một bức tranh rõ ràng sự ấm lên của khí hậu
cùng với sự tăng lên của khí nhà kính.

Hình 1: Nhiệt độ gần bề mặt trung bình toàn cầu qua thế kỷ 20 có được từ quan sát
(màu đen) và từ 58 mô phỏng tạo ra bởi 14 mô hình khí hậu khác nhau và yếu tố
con người tác động đến khí hậu (màu vàng). Trung bình của những kết quả này
được biểu diễn (đường màu đỏ). Sự bất thường của nhiệt độ xảy ra từ năm 1901
9
Lớp QLMT_K48
đến 1950. Đường màu xám thẳng đứng chỉ ra thời gian xảy ra những vụ phun núi
lửa chính.
8.2. Sự cải tiến trong mô hình hoá
Rất nhiều cải tiến trong mô hình hoá xuất hiện từ báo cáo TAR. Do khoảng cách về
không gian mà không thể thảo luận một cách toàn diện về tất cả các thay đổi chủ
yếu trong vài năm qua, vì vậy nhằm vào 23 mô hình AOGCMs được sử dụng rộng
rãi trong báo cáo này (xem bảng 8.1). Những cải tiến trong mô hình có thể gộp lại
thành 3 loại. Thứ nhất, phần quan trọng nhất của động lực học (advection …) đã
được cải tiến, và sự phân giải theo chiều ngang và chiều dọc của nhiều mô hình
cũng được tăng lên. Thứ hai, nhiều quá trình được kết hợp trong một mô hình,
trong mô hình hoá riêng biệt của các chất phun (aerosols), của mặt đất, và của quá
trình băng trên biển. Thứ ba, hệ thông số hoá của quá trình vật lý đã được cải tiến.
Ví dụ, như sự thảo luận sâu hơn ở phần 8.2.7, hầu hết các mô hình không sử dụng
lâu bất kì sự điều chỉnh nào (Manebe and …) để giảm bớt xu thế khí hậu. Các cải
tiến khác nhau, được thảo luận giữa các nhóm mô hình hoá chính, được trình bày
tốt trong các mô hình khí hậu sử dụng trong bản báo cáo này.
Mặc dù nhiều cải tiến, nhưng vẫn còn nhiều vấn đề. Nhiều quá trình quan trọng, để
xác định mô hình đối phó với những biến đổi trong bức xạ cưỡng bức, không được
giải quyết bởi lưới mô hình. Thay vào đó, hệ thông số hoá trong phạm vi lưới phụ
là các thông số mà quá trình không giải quyết được, như sự hình thành mây và sự
hoà lẫn nhờ các xoáy nước ở đại dương. Sự cải tiến trở thành trường hợp mà việc
mô phỏng ensemble đa mô hình nói chung cung cấp nhiều thông tin thiết thực hơn
so với những mô hình đơn lẻ bất kì. Bảng 8.1 tổng kết những trình bày rõ ràng về
từng mô hình AOGCMs được sử dụng trong báo cáo này.

10
Lớp QLMT_K48
Hiện nay không có sự nhất trí về cách tối ưu để phân chia nguồn tài nguyên máy
tính ở giữa số lưới mô hình lớn hơn, lưới này cho phép việc mô phỏng tốt hơn;
greater number of ensemble members, cho phép đánh giá thống kê tốt hơn những
trạng thái không rõ ràng; và bao gồm cả tập hợp đầy đủ hơn của quá trình (vd: sự
phản carbon, sự ảnh hưởng lẫn nhau của các thành phần trong khí quyển)
8.2.1. Qúa trình khí quyển
8.2.1.1. Hệ thuật toán
Trong báo cáo TAR, hơn một nửa số mô hình khí quyển tham gia đều sử dụng
spectral advection. Từ báo cáo TAR, semi-Lagrangian advection schemes được
chấp nhận trong một vài mô hình khí quyển. These schemes cho phép các bước
tiến hành trong thời gian dài và khẳng định các giá trị xác thực của advected tracer
như hơi nước, nhưng chúng cũng khuyếc tán, và một số kiểu không được chính
thức bảo tồn khối lượng. Trong bản báo cáo này, nhiều mô hình sử dụng spectral,
semi-Lagrangian, and Eulerian finite-volume and finite-difference advection
schemes, mặc dù không có sự nhất trí để dạng của schemes là tốt nhất.
8.2.1.2. Sự phân giải theo chiều ngang và chiều dọc
Sự phân giải theo chiều ngang và chiều dọc của mô hình AOGCMs được phát triển
tương xứng với báo cáo TAR. Ví dụ mô hình HadGEM1 có gấp 8 lần ô lưới của
mô hình HadCM3 (số ô gấp 2 lần cả 3 kích thước). Ở trung tâm quốc gia nghiên
cứu khí quyển (NCAR) hiện nay thường sử dụng kiểu T85 của mô hình hệ thống
khí quyển (CSM), trong khi kiểu T42 đã từng là tiêu chuẩn của báo cáo TAR.
Trung tâm nghiên cứu hệ thống khí quyển (CCSR), Viện quốc gia nghiên cứu môi
trường (NIES) và trung tâm nghiên cứu lĩnh vực biến đổi trái đất (FRCGC) đã phát
triển mô hình khí quyển có độ phân giải cao (MIROC-hi, gồm có mô hình T106
L56 AGCM và mô hình 1/4
o
đến 1/6
o

L48 OGCM) và Viện nghiên cứu khí tượng
(MRI) của cơ quan khí tượng học Nhật Bản (JMA) đã phát triển mô hình TL956
L60 spectral AGCM, là mô hình được sử dụng trong phương thức khoảng thời gian
(time-slice). Sự dự đoán được tạo ra với những mô hình này được trình bày trong
chương 10.
Bởi vì sự phát triển của độ phân giải theo chiều ngang và chiều dọc, cả trong đặc
trưng khí hậu vùng và trái đất, nên mô phỏng tốt hơn. Ví dụ, hiệu ứng dịch chuyển
ra xa của đảo Hawaiian ở Thái Bình Dương được mô phỏng rất tốt và sự phân phối
thường xuyên của lượng mưa kết hợp với Bain front cũng được cải tiến.
8.2.1.3. Các hệ thông số hoá
Hệ thống khí quyển bao gồm các trạng thái khác nhau của quá trình vật lý như quá
trình mây, quá trình bức xạ và quá trình boundary-layer, những quá trình tác động
tới mỗi phạm vi mặt đất và không gian. Bởi vì giới hạn sự phân giải của các mô
hình, mà đa số các quá trình này không được giải quyết tương xứng bằng lưới mô
11
Lớp QLMT_K48
hình và phải nhờ vào các thông số. Sự khác nhau giữa các hệ thông số hoá là
nguyên nhân quan trọng làm mô hình khí hậu có những kết quả khác nhau. Ví dụ,
hệ thông số hoá về new boundary-layer có sự tác động dương (positive impact)
mạnh mẽ đến sự mô phỏng tầng mây tích trên biển, được tạo ra bởi phòng thí
nghiệm động lực chất lỏng thuộc địa vật lý và mô hình khí hậu trung tâm Hadley,
nhưng hệ thông số hoá tương tự có sự tác động dương kém hơn trong khi thực hiện
ở kiểu ban đầu của mô hình trung tâm Hadley. Rõ ràng là các hệ thông số hoá phải
được hiểu trong điều kiện của số đông mô hình.
Quá trình mây ảnh hưởng đến mô hình khí hậu bởi nó điều chỉnh việc phát tán của
bức xạ ở tầng trên của khí quyển, bởi sự tạo mưa, bởi sự phân phối lại của lượng
khí quyển thỉnh thoảng diễn ra và hoàn thành nhanh chóng và bổ sung cơ cấu là
quá nhiều trong danh sách ở đây (Arakawa and Schubert, 1974; Arakawa, 2004).
Các hệ thông số hoá mây là nền tảng của các giả thuyết vật lý, các giả thuyết này
nhằm vào việc diễn tả các số liệu thống kê của vùng mây nhưng không có việc

diễn tả các thành phần mây đơn lẻ. Trong sự phát triển về số lượng mô hình khí
quyển, các hệ thông số hoá vi vật lý, các thông số đại diện cho quá trình như sự
hình thành hạt mây và hạt mưa, được sử dụng để dự đoán sự phân phối của mây
lỏng và băng. Các hệ thông số hoá này cải tiến việc mô phỏng khí hậu hiện tại, và
ảnh hưởng sự nhạy cảm của khí hậu. Các hệ thông số hoá thực tế của quá trình
mây là điều kiện tiên quyết để mô hình khí hậu hiện tại và tương lai đang tin cậy.
Dữ liệu từ nhiều cuộc thí nghiệm như chương trình nghiên cứu khí quyển trái đất
(GARP), thí nghiệm vùng nhiệt đới ở Đại Tây Dương (GATE, 1974), thí nghiệm
về mùa mưa (MONEX) và khí quyển trái đất vùng biển nhiệt đới (TOGA) thí
nghiệm về sự đối phó cặp khí quyển đại dương (COARE, 1993) được sử dụng để
kiểm tra và cải tiến các hệ thông số hoá của mây và sự đối lưu. Nghiên cứu có hệ
thống như việc quản lý bởi GCSS được tổ chức để kiểm tra các hệ thông số hoá
của quá trình bởi việc so sánh kết quả với cả sự quan sát và kết quả của mô hình
phân giải mây. Những kết quả này có ảnh hưởng đến sự phát triển của nhiều mô
hình mới thành lập. Ví dụ, hệ thông số hoá buondary-layer cloud của Lock và cộng
sự (2000) và Lock (2001) cũng được kiểm tra qua GCSS. Các hệ thông số hoá của
quá trình bức xạ được cải tiến và kiểm tra bằng việc so sánh kết quả của các hệ
thông số hoá bức xạ sử dụng trong mô hình AOGCMs với hầu hết các trình bày chi
tiết “line-by-line” quy ước bức xạ. Từ báo cáo TAR, việc cải tiến được tạo ra trong
một vài mô hình hướng đến sự ghép nối vật lý giữa các hệ thông số hoá mây và đối
lưu, ví dụ, trong mô hình Max Planck Institute (MPI) AOGCM sử dụng Tompkins
(2002), trong mô hình IPSL-CM4 AOGCM sử sụng Bony and Emanuel (2001) và
trong mô hình GFDL sử dụng Tiedtke (1993). Các ví dụ này là của bài kiểm tra
mức độ cấu thành.
Song song với việc cải tiến các hệ thông số hoá, mô hình không phải thuỷ tĩnh
cũng được sử dụng để hạn chế phạm vi. Một mô hình với lưới 5 km trên lãnh thổ
12
Lớp QLMT_K48
4000 x 3000 x 22 km đặt ở giữa che phủ nước Nhật cũng được tiến hành bởi
MRI/JMA, sử dụng phương khoảng thời gian (time-slice) để thực hiện báo cáo

đánh giá thứ tư (AR4) (Yoshizaki và cộng sự, 2005).
Aerosols có vai trò quan trọng trong hệ thống khí hậu. Các hệ thông số hóa aerosol
có ảnh hưởng lẫn nhau, hiện nay được sử dụng trong một số mô hình (HADGEM1,
MIROC-hi, MIROC-med). Cả hiệu ứng aerosol trực tiếp và gián tiếp (Chương 2)
cũng bao hàm trong một số trường hợp (ví dụ, IPSL-CM4). Trong việc bổ sung
sunfat, một số dạng khác của aerosols như carbon đen và carbon hữu cơ, muối biển
và bụi khoáng sản được giới thiệu như việc dự báo sự biến đổi. Chi tiết hơn xem
trong phần 8.2.5
8.2.2. Qúa trình đại dương.
8.2.2.1. Hệ thuật toán
Gần đây, sự kết hợp theo chiều dọc của isopycnic hoặc hybrid vẫn được lựa chọn
trong một số mô hình đại dương (GISS-EH và BCCR-BCM2.0). Bài kiểm tra được
trình bày như mô hình có thể cung cấp giải pháp để tổ hợp sự phát tán thuộc miền,
những điều này thực tế có thể được với sự kết hợp phổ biến theo chiều sâu (Drange
và cộng sự, 2005). Các vấn đề còn lại một lần nữa xử lý thích hợp của
thermobaricity (mối quan hệ không theo thứ tự của nhiệt độ, độ mặn và áp suất dày
đặc (pressure to density)), điều này có nghĩa là một số mô hình kết hợp isopycnic
tương xứng với mật độ dày đặc của, ví dụ như, lượng nước ở đáy biển Địa Trung
Hải và Nam cực là không định hình (distorted). Giá trị của nhiều hệ thống kết hợp
theo chiều dọc vẫn tiếp tục được thiết lập.
Mẫu rõ ràng (explicit representations) của độ cao trên mặt biển được sử dụng trong
nhiều mô hình và dòng nước ngọt thực sự (real freshwater) thường cưỡng bức các
mô hình này thay vì dòng muối thực tế. Phương pháp dòng muối thực tế đem lại
sai số hệ thống trong việc dự báo độ mặn của bề mặt biển và nguyên nhân gây ra
nhiều vấn đề ở của sông nơi lưu vực rộng lớn (Hasumi, 2002a,b; Griffies, 2004).
Nói chung sự kết hợp theo đường cong ngang với ô lưới 2 cực và 3 cực (Murray,
1996) được sử dụng rộng rãi trong thành phần đại dương của các mô hình
AOGCMs. Đây là chiến lược thường xử lý kết hợp kì dị ở Bắc cực, như là sự lựa
chọn trước cực lọc phổ biến hoặc chu kì kết hợp theo hình cầu. Các lưới mới có
thuận lợi là những điểm dị thường có thể chuyển về đất liền trong khi vẫn giữ

nguyên những điểm thẳng hàng trên đường phân điểm. Các phương pháp cũ để làm
mẫu mặt biển, dòng nước bề mặt và Bắc cực vẫn còn được sử dụng trong một vài
mô hình AOGCMs.
8.2.2.2. Sự phân giải theo chiều ngang và chiều dọc
Có sự phát triển chung trong việc phân giải từ báo cáo TAR, với sự phân giải theo
chiều ngang theo thứ tự từ cấp 1 đến cấp 2 được sử dụng phổ biến trong thành
13
Lớp QLMT_K48
phần đại dương của hầu hết mô hình khí hậu. Cách quyết định tốt hơn dấu hiệu chỉ
đường ở gần xích đạo, một vài mô hình sử dụng sự tăng cường phân giải theo
đường kinh tuyến trong vùng nhiệt đới. Sự phân giải cao đủ để cho phép oceanic
eddies, eddy-permitting, không được sử dụng trong a full suite of climate scenario
integrations bởi chi phí tính toán, nhưng từ báo cáo TAR nó được sử dụng trong
một số ý tưởng và các thí nghiệm dự đoán cơ bản khí hậu như thảo luận dưới đây.
Tập giới hạn của sự tích hợp sử dụng mô hình eddy-permitting MIROC3.2 được
sự dụng tại đây và chương 10. Một số trung tâm lập mô hình cũng có sự tiến bộ
trong việc phân giải theo chiều dọc từ báo cáo TAR.
Một vài mô hình khí hậu liên kết (coupled climate) với sự phân giải eddy-
permitting ocean (1/6
o
đến 1/3
o
) đã có sự phát triển (Roberts và cộng sự, 2004;
Suzuki và cộng sự, 2005), và tỉ lệ lớn đặc trưng mô hình gây ra bởi sự liên kết
không khí biển cục bộ đã được mô phỏng thành công.
Roberts và cộng sự (2004) đã tìm thấy sự tiến bộ trong việc phân giải đại dương
của mô hình HadCM3 từ about 1
o
to 0.33
o

by 0.33
o
by 40 levels (trong khi sự dịch
chuyển của các thành phần khí quyển là không biến đổi) kết quả đạt được chính là
sự cải tiến trong mô phỏng những đặc điểm lưu thông của đại dương. Tuy nhiên,
sự tác động đối với mô phỏng khí quyển là tương đối nhỏ và cục bộ. Sự đối phó
những biến đổi khí hậu tương tự như mô hình phân giải tiêu chuẩn, với sự tăng giá
trị lên không đáng kể của sự ấm lên ở vùng Northern Europe-Atlantic nhờ vào sự
đối phó với những phá vỡ lưu thông theo đường kính (MOC) ở Atlantic. Khoảng
thời gian sử dụng của ngân sách nước ngọt Atlantic Basin được điều chỉnh giảm từ
khoảng 400 năm xuống còn 150 năm cùng với sự phân giải đại dương cao hơn, và
đề xuất sự khác nhau có thể chấp nhận được trong sự đối phó với MOC thoáng qua
trong những khoảng thời gian này, nhưng cơ chế và vai trò tương đối của sự phân
giải theo chiều ngang và chiều dọc là không rõ ràng.
Atlantic MOC bị ảnh hưởng bởi nước ngọt tương đương với cưỡng bức nhiệt.
Ngoài nước ngọt khí quyển cưỡng bức, nước ngọt được vận chuyển bởi đại dương
cũng rất quan trọng. Để Atlantic MOC, nước ngọt ở Thái Bình dương đi qua
Bering Strait có thể khó mô tả trên đoạn qua Canadian Archipelago và Labrador
Sea (Komuro và Hasumi, 2005). Những khía cạnh này được cải tiến từ báo cáo
TAR trong nhiều đánh giá mô hình ở đây.
Những biến đổi quanh bờ lục địa rất quan trọng trong biến đối khí hậu cùng. Ngoài
những khu vực này, khí hậu cũng bị ảnh hưởng bởi lưu thông đại dương mở và khí
quyển. Mô hình khí hậu có sự phân giải cao góp phần vào sự cải tiến việc mô
phỏng khí hậu vùng. Ví dụ, vị trí của Kuroshio tách rời từ quần đảo Nhật Bản được
mô phỏng tốt trong mô hình MIROC3.2, mô hình này có những nghiên cứu có thể
thực hiện được về những biến đổi trong đường trục của Kuroshio của khí hậu
tương lai (Sakamoto và công sự, 2005).
14
Lớp QLMT_K48
Guilyardi và cộng sự (2004) đã đề xuất sự phân giải đại dương có thể chạy chỉ với

vai trò thứ 2 trong sự sắp đặt khoảng thời gian của mô hình tính biến thiên của
ENSO, với khoảng thời gian quan trọng nhất được sắp đặt bởi mô hình khí quyển
đã cung cấp vận tốc cơ bản của phương thức sóng đại dương ở xích đạo chính là
đại diện tương xứng.
8.2.2.3. Các hệ thông số hoá
Trong tracer equations, isopycnal diffusion (Redi, 1982) với isopycnal layer
khuyếch tán ở mức độ dày đặc (Gent và cộng sự, 1995), kể cả những sử đổi của nó
bởi Visbeck và cộng sự (1997), trở thành lựa chọn phổ biến thay sự khuyếch tán
theo chiều ngang đơn thuần. Điều này dẫn đến những cải tiến trong cấu trúc
thermocline và sự phá vỡ theo đường kính (Boning và cộng sự, 1995; xem phần
8.3.2). Để hoà lẫn theo chiều dọc của tracers, các hệ thông số hoá đa dạng không
hạn chế hiện nay được sử dụng, như turbulence closures (vd, Mellor và Yamada,
1982), non-local diffusivity profiles (Large và cộng sự, 1994) và mô hình tầng hỗn
hợp chủ yếu (vd, Kraus và Turner, 1967). Sự trình bày của tầng hỗn hợp bề mặt
phải được cải tiến bởi vì sự phát triển trong các hệ thông số hoá này (xem phần
8.3.2). Sự quan sát thể hiện rằng sự hoà lẫn theo chiều dọc ở đại dương sâu là cải
tiến về đáy gồ ghề, steep slopes và nơi sự phân tầng là yếu nhất (Karus, 1990;
Polzin và cộng sự, 1997; Moum và cộng sự, 2002). Trong khi nghiên cứu mô hình
hoá đã chỉ ra tầm quan trọng của inhomogeneous mixing trong MOC (vd,
Marotzke, 1997; Hasumi và Suginohara, 1999; Ottera và cộng sự, 2004; Oliver và
cộng sự, 2005; Saenko và Merryfield, 2005), các hệ thông số bao hàm toàn diện
của các hiệu ứng và ứng dụng của nó trong kết nối mô hình khí hậu chưa được xem
xét tới.
15
Lớp QLMT_K48
Nhiều loại nước nặng (dense waters) được tạo ra bởi sự đối lưu của đại dương, đây
chính là toàn bộ global MOC, phải chảy qua gợn sóng đại dương và ở dưới dốc lục
địa. Sự lên của nước bao quanh những đặc trưng địa hình này là quá trình quan
trọng để xác định thuộc tính cuối cùng và khối lượng của nước sâu. Các hệ thông
số hoá của bottom boundary-layer processes được sử dụng trong một số mô hình

AOGCMs (vd, Winton và cộng sự, 1998; Nakano và Suginohara, 2002). Tuy
nhiên, tác động của bottom boundary-layer representation trên liên hệ thống
(coupled system) vẫn chưa được hiểu đầy đủ (Tang và Roberts, 2005). Thorpe và
cộng sự (2004) đã nghiên cứu tác động của scheme rất đơn giản được sử dụng
trong mô hình HadCM3 để điểu khiển sự hoà lẫn của nước tràn qua từ biển Bắc Âu
(Nordic Seas) vào North Atlantic. Mặc dù scheme ?có kết quả trong biến đổi của
thuộc tính khối lượng của nước gần cực, sự xuất hiện của nó có tác động nhỏ đến
sự mô phỏng mặt mạnh của mô hình MOC ở phạm vi lớn, hoặc sự đối phó của nó
đối với hiện tượng ấm lên toàn cầu.
8.2.3. Các quá trình đất
Một vài phép phân tích đa mô hình về các quá trình đất (bao gồm trong bảng 8.1)
đã được tiến hành. Tuy nhiên các tiến bộ đáng kể từ khi TAR được công bố dựa
trên các mô hình khí hậu đều tương tự với các mô hình này. Phép phân tích các mô
hình cung cấp insight on sự hiểu biết sâu sắc về độ chính xác của các quá trình đất
trong các mô hình AR4.
8.3.2.1. Các quá trình bề mặt.
Phần bổ sung của các mô hình sinh quyển đất mà mô phỏng một số thay đổi trong
các nguồn cácbon đất và bể sinh khối vào trong fully coupled climate models is at
the cutting edge of climate science. Tiến bộ chính từ khi có TAR là bao gồm cả các
động thái vòng tuần hoàn cácbon thực vật và đất, mặc dù vẫn chưa được kết hợp
đều đặn chặt chẽ vào trong AOGCMs sử dụng cho các dự án khí hậu (xem chương
10). Tuần hoàn cácbon đất giới thiệu một sự phản hồi mới và quan trọng vào trong
hệ thống khí hậu trong khoảng thời gian từ thập kỷ đến thế kỷ (xem chương 7 và
10). Những phản hồi này bao gồm sinh quyển đất để tăng oxit cácbon, biến đổi khí
hậu và những thay đổi trong tính biến thiên của khí hậu (xem chương 7). Tuy
nhiên, nhiều vấn đề còn tồn tại cần được giải quyết. Độ lớn của bể sinh khối còn lại
là không rõ ràng bởi vì nó phụ thuộc vào mật độ của khí hậu cũng như là sự phản
ứng của cácbon thực vật và đất tăng CO2. Tỷ lệ mà làm giàu CO2 bão hòa trong
các hệ thống đất cao hơn hẳn present uncertainly in the role of biospheric
feedbacks. Một loạt các nghiên cứu đã được đưa ra để khám phá khả năng hiện tại

ở cấp độ mô hình của sự phản ứng của sinh quyển đất hơn là sự phản ứng của chỉ
một hoặc hai thành phần của chúng (Friedlingstein et al., 2006). Công việc này đã
tạo nên các tác động có hệ thống để đánh giá khả năng của các mô hình sinh quyển
đất để mô phỏng vòng tuần hoàn cácbon đất (Cramer et al., 2001) qua các áp dụng
so sánh tương tác. Ví dụ, Freidlingstein et al. 2006 đã phát hiện ra rằng trong tất cả
16
Lớp QLMT_K48
các mô hình được khảo sát, bể sinh quyển giảm đi trong tương lai trong khi mà khí
hậu ấm lên.
Các thành phần đơn lẻ khác của quá trình bề mặt đất đã được chứng minh từ TAR,
như root parametrization (Arora and Boer, 2003; Kleidon, 2004) và higher-
resolution river routing (Ducharne et al., 2003). Các quá trình đất lạnh đã được chú
ý đáng kể với các mô hình nhiều lớp tuyết bây giờ phổ biến hơn (e.g., Oleson et al.,
2004) chẳng hạn như vùng đất đóng băng và tan băng (e.g., Boone et al., 2000;
Warrach et al., 2001). Sub-grid scale snow parametrizations (lison, 2004), chuỗi
phản ứng tuyết-thực vật (Essery et al, 2003) và wind redistribution of snow (Essery
and Pomeroy, 2004) là được quan tâm hơn cả. Đất hữu cơ High-latitude cũng có
trong một số mô hình (Wang et al., 2002). Một sự tiến bộ gần đây là kết nối các mô
hình nước mặt vào trong các kế hoạch đất bề mặt (Liang et al., 2003; Maxwell and
Miller, 2005; Yeh and Eltahir, 2005). Những chỉ được đánh giá ở phạm vi địa
phương nhưng có thể thích hợp với toàn cầu. Cũng có chứng cớ nổi lên rằng các
dự án cấp địa phương về sự nóng lên là nhạy cảm với sự mô phỏng quá trình mà
được tiến hành ở cấp nhỏ hơn hơn là các mô hình khí hậu hiện tại phân tích (Pa et
al., 2004). Một cách tổng quát, sự cải tiến của các mô hình đất bề mặt từ TAR là
được dựa trên những các so sánh chi tiết với dữ liệu được quan sát. Ví dụ, Boone et
al., 2004 đã sử dụng Rhone Basin để khám phá ra cách các mô hình đất bề mặt mô
phỏng sự cân bằng nước cho một vài chu kỳ năm so sánh với dữ liệu từ mạng lưới
được quan sát. Họ đã tìm ra rằng hầu hết các kế hoạch đất bề mặt mô phỏng very
similar runoff và sự bốc hơi nước nhưng sự chia cắt giữa các thành phần các nhau
của cả hai dòng chảy và bốc hơi nước có sự khác biệt lớn, kết quả của các trạng

thái cân bằng đất nước khác nhau và mô phỏng cho ra. Các tham số tuyết phức tạp
hơn đã dẫn tới các mô phỏng cấp cao của các dòng chảy basin-scale.
Một phép phân tích của các kết quả từ nhóm thứ hai của AMIP (AMIP – 2) đã
khám phá ra sự đóng góp của đất bề mặt tới mô phỏng khí hậu. Henderson-Sellers
et al., 2003 đã tìm ra một clear chronological sequence của các sơ đồ đất bề mặt.
Những khác nhau đáng kể được thống kê trong sự bay hơi trung bình hang năm đã
được nhận biết có thể được lien kết với tham số của các quá trình canopy. Các
chứng minh sâu hơn trong mô hình đất mặt phụ thuộc vào các quan sát bề mặt tăng
cường, ví dụ, sử dụng các isotop cố định (e.g., Henderson-Sellers et al., 2004) cái
mà cho phép một váo thành phần của qus trình bốc hơi được xác định riêng rẽ.
Pitman et al. (2004) đã phát hiện ra tác động của mức độ phức tạp được sử dụng để
biểu thị bằng tham số cân bằng năng lượng bề mặt trong sự khác biệt tìm thấy giữa
các kết quả của AMIP-2. Chúng đã tìm ra rằng các sự biến thiên lớn trong sự phức
tạp cân bằng năng lượng bề mặt không dẫn tới các khác biệt hệ thống trong giá trị
trung bình mô phỏng, sự dao động giữa nhiệt độ nhỏ nhất hay lớn nhất ở phạm vi
toàn cầu, hoặc trung bình ở một vùng, cho biết rằng các biến này là không có giới
hạn bởi sự không chắc chắn trong việc biểu hiện bằng tham số cân bằng năng
lượng bề mặt. Điều này làm tăng thêm độ chính xác của việc sử dụng các mô hình
17
Lớp QLMT_K48
trong bảng 8.1 mà hầu hết đều bao gồm các module cân bằng năng lượng bề mặt
của sự phức tạp hơn là của mức tối thiểu được xác định bởi Pitman et al. 2004.
Trong khi một công việc nhỏ đã được thực hiện để đánh giá khả năng của các mô
hình bề mặt đất sử dụng trong các mô hình khí hậu kết nối, quá trình nâng cấp của
các mô hình bề mặt đất dần dần taking place và the conclusion of carbon in these
models is a major conceptual advance. Trong mô phỏng của khí hậu ngày nay, mặt
hạn chế của của mô hình thủy học bucket chuẩn là tăng rõ rệt (Milly and Shmakin,
2002; Henderson-Sellers et al., 2004; Pitman et al., 2004), bao gồm chứng cứ mà
đánh giá quá cao khả năng có thể xảy ra của hạn hán (Seneviratne et al., 2002).
Các chứng minh nhỏ tương tự cho các mô hình đất, ví dụ, bao gồm biến không

gian khả năng giữ nước và a simple canopy conductance, dẫn tới các chứng minh
đáng kể (Milly and Shmakin, 2002). Kể từ khi hầu hết các mô hình trong bảng 8.1
mô tả continental-scale land serface một cách thực tế hơn the standard bucket
hydrogy sheme, và bao gồm biến không gian khả năng giữ nước, canopy
conductance, vv (bảng 8.1), hầu hết các mô hình này rất có khả năng nắm giữ một
phần quan trọng tạo bởi đất bề mặt tới các mô phỏng khí hậu hiện tại. Tuy nhiên,
có điều không rõ rang là các mô hình khí hậu hiện tại nắm bắt tác động của sự
nóng lên trong tương lai như thế nào trên sự cân bằng cácbon đất. Một đánh giá
cấp hệ thống của AOGCMs với vòng tuần hoàn cácbon được mô tả sẽ giúp làm
tăng độ tin cậy trong việc góp phần của đất bề mặt vào sự nóng lên trong tương lai.
8.2.3.2. Các phản hồi của độ ẩm đất trong các mô hình khí hậu
Một vai trò quan trọng của đất bề mặt là dự trữ độ ẩm đất và điều khiển sự bốc hơi
của nó. Một quá trình quan trọng, sự phản hồi lượng ẩm của đất đã được phát hiện
một cách bao quát từ khi có TAR, trên cơ sở các nghiên cứu cụ thể cấp khu vực mà
các lien kết được minh chứng giữa độ ẩm đất và lượng mưa. Các nghiên cứu gần
đây (ví dụ Gutowski et al., 2004; Pan et al., 2004) đã đề xuất rằng độ ẩm mùa hè
phụ thuộc mạnh mẽ vào các quá trình bề mặt, nhất là trong mô phỏng của reginal
extremes. Douvill (2001) đã chỉ ra rằng sự mất cân bằng độ ẩm đất gây ra gió mùa
châu Phi trong khi Schar et al. (2004) lại đề xuất rằng một phản hồi tích cực của độ
ẩm của đất có liên quan tới việc mùa hè nóng bất thường ở Châu Âu vào năm
2003.
Phản hổi độ ẩm đất trong các mô hình khí hậu vẫn chưa được đánh giá ở cấp hệ
thống vào thời điểm có TAR. Nó được kết hợp với sức mạnh của sự kết hợp giữa
đất và khí quyển, cái mà chỉ được xác định gần đây trong các mô hình (Dirmeyer,
2001). Koster et al. 2004 đưa ra một đánh giá về nơi mà xảy ra phản hồi độ ẩm đất
quan trọng ở cấp vùng trong suốt mùa hè ở bán cầu bắc bằng việc xác định sức
mạnh của việc kết hợp 12 GMCs khí quyển. Một vài nét tương tự được tìm thấy
giữa các kết quả mô hình, đủ để cung cấp một đánh giá trung bình đa mô hình về
nơi mà biểu đồ độ ẩm toàn cầu trong suốt mùa hè bắc bán cầu chịu ảnh hưởng
mạnh mẽ bởi sự biến thiên độ ẩm đất. Những điểm nóng của sức mạnh lien kết các

18
Lớp QLMT_K48
mô hình được tìm thấy trong sự chuyển tiếp của các vùng giữa các vùng ẩm và
khô. Các mô hình, tuy nhiên, cũng chỉ ra sự không thích hợp trong sức mạnh của
kết hợp các mô hình đất và khí quyển. Một vài nghiên cứu dã phát hiện ra sự khác
nhau trong sức mạnh của sự kết hợp đó. Seneviratne et al. 2002 đã nêu bật sự quan
trọng của việc phân biệt khả năng giữ nước giữa các mô hình trong khi Lawrence
và Slingo (2005) phát hiện ra vai trò của sự thay đổi độ ẩm đất và đề nghị rằng
trạng thái bão hòa của độ ẩm đất thường xuyên và sự thay đổi ít của độ ẩm đất có
thể giải thích phần nào hạn chế của liên kết các mô hình trong mô hình HadAM3
(chú ý rằng hạn chế không có nghĩa là sai khi mà khả năng thực sự của việc lien
kết mô hình là còn chưa rõ).
Nói chung, việc kết hợp không chắc chắn khí quyển và bề mặt đất có hàm ý cho sự
tin cậy của phản hồi khí quyển-độ ẩm đã được mô phỏng. Mặc dù tác động lớn để
thu thập và đồng nhất các phép đo độ ẩm đất ở cấp độ toàn cầu (Robock et al.,
2000) vẫn tồn tại sự không thống nhất giữa các đánh giá ở phạm vi rộng của độ ẩm
đất được quan sát. Thách thức của mô hình hóa độ ẩm đất, điều mà thay đổi một
cách tự nhiên trong khoảng thời gian ngắn, được lien kết với các đặc trưng phong
cảnh của một vùng, các quá trình đất, sự hồi phục của đất mặt, dạng thực vật, vv,
với các dữ liệu được quan sát là đáng kể. Một điều không rõ rang là so sánh độ ẩm
đất được mô phỏng bằng mô hình khí hậu với độ ẩm đất point-based hay remotely
sensed. Điều này khiến việc đánh giá khả năng đo đạc độ ẩm đất của các mô hình
khí hậu khó khăn.
8.2.4. Các quá trình cryospheric
8.2.4.1. Cryospheric đất
Các mô hình lớp băng được sử dụng trong các chu trình của sự nóng lên trong thời
kỳ lâu dài và các viễn cảnh về mực nước biển, mặc dù chúng chưa được kết hợp
một cách tổng quát trong các AOGCMs sử dụng trong chương 10. Các mô hình
được chạy thường lệ trong ở trạng thái độc lập, mặc dù Huybrechts et al. (2002) và
Fichefet et al. (2003) đã báo cáo các tác động sớm của việc lien kết các mô hình

lớp băng tời AOGCMs. Các mô hình lớp băng cũng có trong một vài EMICs (ví
dụ, Calove et al., 2002). Ridley et al. (2005) đã lưu ý rằng khoảng thời gian của sự
tan băng theo dự kiến của lớp băng trên đảo Greenland có thể khác với các mô
phỏng kết hợp hoặc độc lập. Các mô hình lớp băng nhiệt hóa học có hiệu lực ngày
nay không bao gồm các quá trình được kết hợp với các dòng chuyển động của
băng hay grouding line migration, cái mà có thể cho phép các thay đổi động học
nhanh chóng trong các lớp băng. Các tảng băng hay ice caps, tùy thuộc vào their
relatively small scales and low likelihood of significant climate feedback at large
scales, là không tương tác với AOGCMs nào hiện nay. Xem chi tiết chương 4 và
10. Để thảo luận về tuyết, xem phần 8.3.4.1.
19
Lớp QLMT_K48
8.2.4.2. Băng biển
Các thành phần băng của mô hình AOGCMs thường dự đoán độ dày của băng (hay
thể tích), độ che phủ fractional, độ dày của tuyết, nhiệt độ (hay năng lượng) bề mặt
và bên trong và tốc độ nằm ngang. Một vài mô hình bây giờ bao gồm độ mặn nước
biển dự báo (Schmidt et al., 2004). Albedo băng là được qui định một cách tiêu
biểu, chỉ phụ thuộc độc lập vào độ dày của băng, độ che phủ của tuyết và các hiệu
ứng puddling.
Kể từ TAR, hầu hết các mô hình AOGCMs bắt đầu dùng các thành phần động học
băng phức tạp. Sự phức tạp của động lực học băng trong các AOGCMs thay đổi từ
mô hình “cavitating fluid” đơn giản (Flato and Hibler, 1992) tới mô hình nhựa dẻo
(Hibler, 1979), cái mà tính toán là rất tốn kém và đặc biệt sử dụng cho các mô
phỏng khí hậu toàn cầu. Mô hình nhựa dẻo đàn hồi (Hunke and Dukowicz, 1997)
đang được sử dụng dần dần, đặc biệt do các hiệu quả của nó với các thiết bị giống
nhau. Các cách tiếp cận về mặt số học để giải quyết các phương trình động lực học
băng bao gồm các kết quả chính xác hơn về curvilinear model grids (Hunkle and
Dukowicz, 2002; Marsland et al., 2003; Zhang and Rothrock, 2003) và các phương
pháp Lagrang để giải quyết các phương trình nhựa dẻo (Lindsay and Stern, 2004;
Wang and Ikeda, 2004).

Giải pháp cho động lực học nhiệt băng trong các AOGCMs đã tiến triển chậm hơn:
nó tiêu biểu bao gồm tính dẫn không đổi và các khả năng nhiệt cho băng và tuyết,
một nguồn nhiệt mô phỏng tác động của các quặng muối biển trong băng, và một
vài lớp, phía trên của tuyết. Các schemes nhiệt động học phức tạp hơn đang được
phát triển, như mô hình của Bitz and Lipscomb (1999), cái mà giới thiệu salinity-
depedent conductivity và khả năng nhiệt, mô hình hóa cá quặng muối biển trong
cách giám sát năng lượng như một phần của một mô hình nhiệt động lực học lớp
biến thiên (ví dụ, Saenko et al., 2002). Một vài AOGCMs bao gồm sự thiết lập
băng tuyết, cái mà xảy ra khi một tảng băng nổi bị nhấn chìm bởi sức nặng của
tuyết bao phủ bên trên và các lớp đóng băng tràn ngập tuyết. Quá trình gần đây là
đặc biệt quan trọng trong hệ thống băng Nam cực.
Cho dù với fine grid scales, rất nhiều các mô hình băng không kết hợp sự phân
phối độ dày của băng sub-gril scale ( Thorndike et al., 1975) với một vài
thichkness “categories”, rather than considering the ice as a uniform slab with
inclusions of open water. Một phân phối độ dày của băng cho phép mô phỏng
chính xác hơn vè sự biến thiên nhiệt động lực học trong sự phát triển và tỉ lệ tan
chảy trong một ô lưới đơn lẻ, cái mà có thể cho kết quả đáng kể cho các quá trình
phản hồi albedo đại dương (ví dụ, Bitz et al., 2001; Zhang and Rothrock, 2001).
Một phân phối độ dày băng được phân tích tốt cho phép một công thức more
physical cho ice ridging và rafting events, dựa trên các công thức về năng lượng.
Mặc dù các thông số của redging mechanics và các mối quan hệ với sự phân phối
độ dày của băng đã được chứng minh (Babko et al., 2002); Amundrud et al., 2004;
20
Lớp QLMT_K48
Toyota et al., 2004), bao gồm sự tham số hóa của việc ridging tiên tiến đã cách ly
các khía cạnh khác của động lực học nước đá biển trong các mô hình AOGCMs.
Những giải thuật số tốt hơn được dùng cho phân phối bề dày nước đá biển
(Lipscomb, 2001) và sức mạnh của nước đá (Hutchings et al., 2004) cũng được
phát triển cho AOGCMs.
8.2.5. Mô hình hóa aerosol và hóa học khí quyển

Mô phỏng khí hậu bao gồm aerosols khí quyển với sự vận chuyển hóa học được
cải thiện đáng kể từ TAR. Các phân phối aerosol toàn cầu được mô phỏng là tốt
hơn so với những gì quan sát được, đặc biệt các số liệu từ vệ tinh (ví dụ, Radar độ
phân giải cao cải tiến (AVHRR), quang phổ kế mô tả với độ phân giải trung bình
(MODIS), quang phổ kế mô tả đa góc (MISR), sự phân cực và hướng của năng
suất phản xạ của trái đất (POLDER), quang phổ kế vạch ra tổng ôzon (TOMS)),
mạng lưới ground-based (aerosol robotic network; AERONET) và rất nhiều các
chiến dịch đo lường (ví dụ., Chin et al., 2002; Takemura et al., 2002). Dự án so
sánh mô hình aerosol toàn cầu, Aerocom, cũng đã được đề xướng để tăng sự hiểu
biết của tính không rõ ràng và giảm chúng trong các đánh giá mô hình (Kinne et
al., 2003). Những so sánh này, so với các quan sát mây, cho kết quả để chứng minh
độ tin cậy trong đánh giá tác động của bức xạ trực tiếp và gián tiếp aerosol (ví dụ,
Ghan et al., 2001a,b; Lohmann và Lesins, 2002; Takemura et al., 2005). Các mô
hình dưới thành phần aerosol tương tác đã được kết hợp chặt chẽ trong một số mô
hình khí hậu sử dụng trong chương 10 (HadGEM1 và MIROC). Một số mô hình
cũng bao gồm các tác động aerosol gián tiếp (ví dụ., Takemura et al., 2005); tuy
nhiên, công thức của những quá trình này vẫn là chủ đề nghiên cứu.
Các thành phần hóa học khí quyển tương tác lẫn nhau không bao gồm trong các
mô hình mà được đề cập trong báo cáo này. Tuy nhiên, CCSM3 bao gồm sự biến
đổi của nồng độ khí nhà kính bởi các quá trình quang hóa và sự chuyển hóa SO2
và Đimetin sulfua thành các aerosol sunfua.
8.2.6. Các cải tiến coupling
Trong tiến bộ kể từ TAR, một số nhóm có các phần mềm được phát triển cho phép
nhóm dễ dàng hơn các thành phần khác nhau của một mô hình khí hậu (ví dụ,
Valcke et al., 2006). Một ví dụ, cặp đất nước đá biển đại dương khí quyển (OASIS)
đã phát triển ở Centre Europeen de Recherche et de Formation Avancee en Calcul
Scientific (CERFACS) (Terray et al., 1998), đã được sử dụng trong nhiều các trung
tâm mô hình hóa để đồng bộ hóa các mô hình khác nhau và cho phép nội suy của
các lĩnh vực coupling giữa khí quyển và đại dương grids. The shemes đảm bảo cả
hai quan sát ở cấp toàn cầu và khu vực của sự thay đổi khác nhau ở bề mặt không

khí – đại dương, và đường đi của đất, băng biển và đại dương chảy ra một cách độc
lập.
21
Lớp QLMT_K48
Coupling thường là một vấn đề quan trọng, bởi vì fluxes là trung bình trong suốt
khoảng thời gian coupling. Điển hình, hầu hết các AOGCMs được đánh giá ở đây
thông qua fluxes và các biến khác giữa các phần khác nhau một lần một ngày. The
K-profile parametrization ocean vertical scheme (Large et al., 1994), được sử dụng
trong một số mô hình, là rất nhạy cảm vơi năng lượng gió thích hợp cho mixing.
Nếu các mô hình bị ghép tại tần số thấp hơn mỗi lần một nhịp thời gian đại dương,
nonlinear quantities như sức gió (cái phụ thuộc vào tốc độ gió) cần phải được tích
lũy qua từng bước thời gian trước khi đi qua đại dương. Sự lấy trung bình không
thích hợp bởi vậy có thể dẫn tới năng lượng trộn quá ít và do đó những chiều sâu
lớp pha trộn từ đây nông hơn, giả định sự tham số hóa không phải được trở lại. Tuy
nhiên, các ghép mô hình với tần số cao có thể mạng lại những vấn đề công nghệ
mới. Trong mô hình MIROC, khoảng thời gian ghép là 3 giờ, và trong trường hợp
này, một sóng trọng lực bên trong bị kích động trong đại dương sao cho sự
smoothing nào đó cần thiết để giảm vấn đề số này. Cũng nên chú ý rằng các mô
hình AOGCMs được sử dụng ở đây có (tiêu biểu là 10m hay hơn), giới hạn nhiệt
độ bề mặt biển (SST) gây ảnh hưởng đến ghép mô hình thường xuyên (Bernie et
al, 2005).
8.2.7. Những sự điều chỉnh dòng và initialization
Kể từ TAR, nhiều mô hình khí hậu được phát triển mà không điều chỉnh nhiệt độ
bề mặt, nước và các dòng động lượng không tự nhiên duy trì một khí hậu điều hòa
vững chắc. Stouffer và Dixon (1998) đã chú ý rằng, việc sử dụng các điều chỉnh
dòng như vậy đòi hỏi các tích hợp khá dài của các thành phần mô hình trước khi
ghép nhóm. Trong các mô hình này, thông thường các điều kiện ban đầu cho tích
hợp ghép nhóm đã vẫn được sử dụng từ long spin ups của các thành phần mô hình.
Trong các mô hình AOGCMs mà không sử dụng việc điều chỉnh dòng (xem bảng
8.1), các phương pháp tích hợp có xu hướng khác nhau hơn. Các thành phần đại

dương của nhiều mô hình là được tương thích sử dụng các giá trị được quan sát
gián tiếp từ observationally based, gridded data set (Levitus and Boyer, 1994;
Levitus and Antonov, 1997; Levitus et al., 1998) hoặc từ các tích hợp short ocean-
only mà được sử dụng một phép phân tích được quan sát cho các điều kiện ban đầu
của chúng. Dữ liệu thành phần khí quyển ban đầu dược thường xuyên quan sát từ
các tích hợp khí quyển sử dụng bắt buộc SSTs.
Để quan sát các dữ liệu ban đầu cho tích hợp pre-industrial control được thảo luận
trong chương 10, hầu hết các AOGCMs sử dụng sự khác nhau của scheme Stouffer
et al. (2004). Trong sheme này, mô hình được ghép được cho giá trị ban đầu và
được thảo luận ở dưới. Các mô hình được tích hợp cho một vài thế kỷ sử dụng
constant pre-industrial radiative forcing, cho phép hệ thống ghép điều chỉnh phần
nào to this forcing. Cấp độ của sự cân bằng trong khí hậu tiền công nghiệp thực tới
the pre-industrial radiative forcing là không biết. Từ đó, có vẻ như là không cần
thiết đề có điều khiển tiền công nghiệp làm cân bằng đầy đủ. Sau tích hợp spin-up,
22
Lớp QLMT_K48
điều khiển tiền công nghiệp được bắt đầu và các tương thích pertupation có thể bắt
đầu. Một bước quan trọng tiếp theo, khi mà bắt đầu các tích hợp điều khiển được
định rõ, là sự đánh giá của các khuynh hướng khí hậu tích hợp điều khiển. Các
khuynh hướng chính có thể làm méo cả hai the natural variability (ví dụ, Inness et
al., 2003) và sự phản hồi khí hậu tới những thay đổi trong radiative forcing
(Spelman và Manabe, 1984).
Trong các báo cáo IPCC mới đây, các phương pháp tích hợp khá là khác nhau.
Trong một vài trường hợp, các tích hợp perturbation ban đầu sử dụng dữ liệu từ
tích hợp điều khiển ở chỗ mà các STTs là near present-day values và không phải
tiền công nghiệp. Nhiều mô hình khí hậu ngày nay sử dụng một vài thay đổi của
phương pháp Stouffer et al. 2004, đã được chứng minh.
8.3. Sự đánh giá khí hậu hiện thời khi được mô phỏng bởi những mô
hình toàn cầu ghép
Vì những sự phi tuyến tính trong những quá trình điều khiển khí hậu sự đáp lại hệ thống khí hậu

tới những sự hỗn loạn phụ thuộc tới phạm vi nào đó trên trạng thái cơ bản (của) nó. Vậy thì, (cho)
những mô hình để dự đoán những điều kiện khí hậu tương lai đáng tin cậy, họ phải mô phỏng
trạng thái khí hậu hiện thời với một vài mức độ cho đến nay không được biết về tính trung thực.
Kỹ năng mô hình kém trong việc mô phỏng khí hậu hiện tại có thể cho biết rằng những quá trình
vật lý hay quá trình động học nhất định đã bi miêu tả sai. Một mô hình tốt hơn mô phỏng những
mẫu không gian phức tạp và những chu kỳ mùa và ngày (của) khí hậu hiện tại càng tốt, thì sự tin
cậy càng cao bởi tất cả các quá trình cần thiết đã được trình bầy một cách đầy đủ. Như vậy, khi
những mô hình mới xây dựng, nỗ lực đáng kể được cống hiến cho việc đánh giá khả năng của
chúng trong việc mô phỏng khí hậu hiện tại. (e.g., Collins et al., 2006; Delworth et al., 2006).
Một số sự đánh giá của sự thực hiện mô hình được giới thiệu ở đây được dựa vào những sự mô
phỏng thế kỷ 20 mà cấu thành một phần (của) MMD được lưu trữ Tại PCMDI. Trong những sự
mô phỏng này, những nhóm mô hình hóa bắt đầu những mô hình từ những sự mô phỏng (circa
1860)' điều khiển' trước công nghiệp và sau đó tác động tới tự nhiên và sự cưỡng bức do loài
người được cho là điều quan trọng để mô phỏng khí hậu (của) khoảng 140 năm trước hoặc lâu hơn
nữa. 23 mô hình được xem xét ở đây (Nhìn bảng 8.1) là những (cái) mà được tin cậy trong những
chương 9 và 10 để điều tra lịch sử và những sự thay đổi khí hậu trong tương lai. Một số hình trong
mục này thu được dựa vào những kết quả từ một tập con (của) những mô hình bởi vì tập dữ liệu
không đầy đủ.
Để nhận biết các lỗi có tính hệ thống qua những mô hình, giá trị trung bình của trường số liệu có
giá trị trong MMD (multi-model data set), được quy là “giá trị trung bình đa mô hình”, sẽ thường
được sử dụng. Những kết quả trung bình trường số liệu đa mô hình bị tăng lên bởi những kết quả
từ những mô hình riêng lẻ sẵn có như Vật chất Bổ sung ( Nhìn sơ đồ hình S8. 1 tới S8. 15). Sự lấy
trung bình đa mô hình phục vụ để lọc ra những sự sai lệch (của) những mô hình riêng lẻ và chỉ giữ
những lỗi chung. Có một vài bằng chứng mà giá trị trung bình của trường số liệu đa mô hình
thường phù hợp với những sự quan sát hơn so với bất kỳ kết quả nào được mô phỏng bởi các mô
hình riêng lẻ (Nhìn Mục 8.3.1.1.2), cái mà hỗ trợ sự tin cậy liên tục về tính đa dạng (của) tiến trình
mô hình hóa trong việc chỉ ra sự thay đổi khí hậu tương lai và cung cấp sự quan tâm hơn nữa nào
đó trong việc đánh giá kết quả trung bình của đa mô hình .
23
Lớp QLMT_K48

Giáp mặt với tính đa dạng phong phú của những đặc tính khí hậu mà có thể tiềm tàng được ước
lượng ở đây, mục này tập trung vào những thành tố đó mà có thể ảnh hưởng một cách nguy kịch
đến xã hội và những hệ sinh thái tự nhiên và cái khả năng đáp lại là sự thay đổi trong tác động bức
xạ.
8.3.1. Khí quyển
8.3.1.1. Nhiệt độ Bề mặt và quỹ năng lượng (của) Hệ thống Khí hậu
Để những mô hình mô phỏng chính xác sự sắp xếp toàn cầu chu kỳ hàng năm và chu kỳ ngày đêm
(của) nhiệt độ bề mặt, trong sự thiếu (của) những sai số bù, họ cần phải miêu tả chính xác tính sự
đa dạng (của) các quá trình. Sự phân bổ quy mô lớn (của) nhiệt độ bề mặt trung bình hàng năm
phần lớn được xác định bởi phân bổ (của) ánh nắng mặt trời, cái mà được dịu xuống bởi những
đám mây, dòng nhiệt bề mặt khác và sự vận chuyển (của) năng lượng bởi tầng khí quyển và tới
một khoảng nhiệt độ nhỏ hơn bởi đại dương. Tương tự, chu kỳ hàng năm và những chu kỳ ngày
đêm (của) nhiệt độ bề mặt bị khống chế bởi những sự thay đổi theo mùa và theo ngày trong những
nhân tố này, tương ứng, nhưng chúng cũng bị cản lại bởi sự tích trữ năng lượng trong những tầng
phía trên của đại dương và ở một mức độ nhỏ hơn trên những lớp đất bề mặt.
8.3.1.1.1. Nhiệt độ
Sơ đồ hình 8.2 a biểu diễn nhiệt độ mặt trung bình theo thời gian như một sự ghép lại nhiệt độ
không khí bề mặt trên các vùng (của) đất liền và SST ở một nơi nào khác. Cũng được đưa ra là sự
khác nhau giữa giá trị trung bình của trường số liệu đa mô hình và trường số liệu được theo dõi.
Với vài ngoại lệ, sai số tuyệt đối (giữa bên ngoài vùng cực và những vùng nghèo dữ liệu khác)
thấp hơn 2°C. Các mô hình riêng lẻ đặc thù có sai số lớn hơn, nhưng trong đa số những trường hợp
vẫn thấp hơn 3°C, ngoại trừ tại vĩ độ cao (Nhìn Hình 8.2 b và Vật chất Bổ sung, Hình S8.1). Vài
lỗi lớn hơn xuất hiện trong những vùng có những sự thay đổi đột ngột của độ cao và có thể đơn
giản do từ sự ghép đôi không xứng giữa phép đo vẽ địa hình mô hình (đặc thù ở trạng thái tĩnh) và
phép đo vẽ địa hình thực tế. Có một xu hướng (cho) một sự coi nhẹ, nhưng nói chung, sự thiên về
chán nản. Bên ngoài những vùng cực, sai số tương đối lớn (thì) hiển nhiên trong phần phía đông
(của) những vịnh đại dương nhiệt đới, một triệu chứng có thể xảy ra những vấn đề trong sự mô
phỏng (của) những đám mây thấp. Quy mô của sai số mô hình có hệ thống sẽ ảnh hưởng đến sự
đáp lại của mô hình tới trạng thái hỗn loạn bên ngoài còn là ẩn số, nhưng có thể xem gợi ý (xem
mục 8.6).

Mặc dù có sự không thống nhất trong cuộc thảo luận này, thực tế là những mô hình đó tính toán
cho một phần nhỏ rất lớn của kiểu nhiệt độ toàn cầu: hệ số tương quan giữa kiểu không gian mô
phỏng và kiểu không gian quan sát của nhiệt độ trung bình hàng năm đặc thù là khoảng 0.98 cho
những mô hình riêng lẻ. (Cái) này hỗ trợ việc nhìn nhận các mô hình cho kết quả với mức độ phù
hợp về sự chính xác trong các quá trình điều khiển nhiệt độ bề mặt.
Cơ hội bổ sung thêm để ước lượng những mô hình được tạo điều kiện bởi sự theo dõi chu kỳ hàng
năm (của) nhiệt độ bề mặt. Hình 8.3 cho thấy rằng độ lệch tiêu chuẩn của nhiệt độ bề mặt trung
bình hàng tháng, cái mà bị chi phối bởi tầm hoạt động của sự cấu thành hàng năm và nửa năm
(của) chu kỳ hàng năm. Sự khác nhau giữa các giá trị trung bình trong kết quả của mô hình và
những sự theo dõi cũng đã được chỉ ra. Sự chênh lệch tuyệt đối trong những hầu hết các khu vực
nhỏ hơn 1° C. Thậm chí có những vùng đất liền rộng lớn (của) NH (bắc bán cầu) nơi mà độ lệch
tiêu chuẩn nói chung vượt hơn 10°C, những mô hình phù hợp với những quan sát trong khoảng
2°C ở hầu hết các nơi. Những mô hình, như một nhóm, có sự khác biệt rõ ràng giữa môi trường
biển và lục địa và quan trọng lớn hơn là chu kỳ hàng năm ở vĩ độ cao hơn, nhưng có một xu hướng
chung để đánh giá thấp dãy nhiệt độ hàng năm qua phía đông Siberia. Nói chung, sai số phân số
24
Lớp QLMT_K48
lớn nhất được tìm thấy qua những đại dương (e.g., qua nhiều Nam Mỹ nhiệt đới và ra khỏi phía
đông chạy ven biển của Bắc Mỹ và Châu á). Những ngoại lệ này tới những sự phù hợp toàn bộ để
minh họa đặc tính chung của các mô hình khí hậu hiện tại: đặc tính phạm vi lớn nhất của khí hậu
được mô phỏng chính xác hơn đặc tính quy mô khu vực hay đặc tính quy mô nhỏ hơn.
Figure 8.2. (a) Observed climatological
annual mean SST and, over land, surface
air
temperature (labelled contours) and the multi-
model mean error in these
temperatures,
simulated minus observed (colour-shaded
contours). (b) Size of the
typical model error,

as gauged by the root-mean-square error in
this temperature,
computed over all AOGCM
simulations available in the MMD at PCMDI.
The Hadley Centre Sea Ice and Sea Surface
Temperature (HadISST; Rayner et al., 2003)
climatol-
ogy of SST for 1980 to 1999 and the
Climatic Research Unit (CRU; Jones et al.,
1999)
climatology of surface air temperature
over land for 1961 to 1990 are shown here.
The model results are for the same period in
the 20th-century simulations. In the
presence
of sea ice, the SST is assumed to be at the
approximate freezing point of
seawater (-
1.8°C). Results for individual models can be
seen in the Supplementary
Material, Figure
S8.1.
Figure 8.3. Observed standard deviation
(labelled contours) of SST and, over land,
surface air temperature, computed over the
climatological monthly mean annual cycle, and
the multi-model mean error in the standard
deviations, simulated minus
observed (colour-
shaded contours). In most regions, the standard

deviation provides a measure of the amplitude of
the seasonal range of temperature. The
observational data sets, the model results and
the climatological periods are as described in
Figure8.2. Results for individual models can be
seen in the Supplementary Material,
Figures
S8.5 to S8.8.
25