Luận văn: Ứng dụng mô hình khí hậu khu vực dự báo hạn mùa

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------
Nguyễn Quang Trung
NGHIÊN CỨU KHẢ NĂNG ỨNG DỤNG MÔ HÌNH KHÍ HẬU KHU
VỰC DỰ BÁO HẠN MÙA Ở VIỆT NAM
Chuyên ngành: Khí tƣợng và khí hậu học
Mã số: 62.44.87
LUẬN VĂN THẠC SĨ KHOA HỌC
NGƢỜI HƢỚNG DẪN KHOA HỌC:
GS. TS. Phan Văn Tân
Hà Nội - 2012

2
LỜI CẢM ƠN
Tác giả hoàn thành luận văn này khi học tập và công tác tại Bộ môn Khí
tƣợng, Khoa Khí tƣợng Thủy văn và Hải dƣơng học, Trƣờng Đại học Khoa học Tự
nhiên, Đại học Quốc gia Hà Nội. Luận văn đƣợc thực hiện dƣới sự hƣớng dẫn tận
tình của GS. TS. Phan Văn Tân. Tác giả xin bày tỏ lòng biết ơn chân thành tới thầy,
ngƣời đã hết lòng quan tâm cũng nhƣ kiên trì giúp đỡ từng bƣớc nghiên cứu của học
viên.
Tác giả cũng xin chân thành cảm ơn tập thể Bộ môn khí tƣợng nói riêng và
Khoa Khí tƣợng Thủy Văn và Hải dƣơng học nói chung đã luôn giúp đỡ, tạo điều
kiện để tác giả hoàn thành luận văn, hơn thế nữa còn mang lại một môi trƣờng làm
việc và học tập hiếm có cho học viên.
Nguyễn Quang Trung

3
MỤC LỤC
DANH MỤC HÌNH ..........................................................................................4
DANH MỤC BẢNG.........................................................................................7
DANH MỤC CÁC KÝ HIỆU VIẾT TẮT .......................................................8
MỞ ĐẦU...........................................................................................................9
Chƣơng 1 TỔNG QUAN................................................................................10
1.1 Các nghiên cứu trên thế giới .................................................................10
1.2 Các nghiên cứu trong nƣớc ...................................................................18
Chƣơng 2 PHƢƠNG PHÁP NGHIÊN CỨU.................................................22
2.1 Sơ lƣợc về mô hình khí hậu khu vực RegCM3 ....................................22
2.2 Hệ thống mô hình kết hợp CAM-SOM ................................................24
2.3 Thiết kế thí nghiệm................................................................................29
2.4 Nguồn số liệu.........................................................................................34
Chƣơng 3 KẾT QUẢ VÀ NHẬN XÉT..........................................................38
3.1 Kết quả dự báo hạn mùa bằng mô hình RegCM3 với các tùy chọn tham
số hóa đối lƣu khác nhau.............................................................................38
3.1.1 Thời tiết, khí hậu khu vực Đông Nam Á giai đoạn 1996-2005.....38
3.1.2 Hoàn lƣu, nhiệt độ và lƣợng mƣa từ đầu ra của RegCM3.............40
3.2 Đánh giá kết quả dự báo thử nghiệm bằng Reg_CAMSOM................54
3.2.1 Đánh giá trƣờng đầu vào nhận đƣợc từ CAMSOM.......................54
3.2.2 So sánh Reg_CAMSOM và Reg_NNRP2.....................................58
3.2.3 Đánh giá kết quả Reg_CAMSOM .................................................64
KẾT LUẬN .....................................................................................................78
TÀI LIỆU THAM KHẢO...............................................................................79

4
DANH MỤC HÌNH
Hình 1.1 Trung tâm sản phẩm toàn cầu cho dự báo hạn dài của WMO ...................15
Hình 2.1 Cấu trúc lƣới thẳng đứng (bên trái) và lƣới ngang dạng xen kẽ ArakawaB
(bên phải) của mô hình RegCM3....................................................................23
Hình 2.2 Mô tả hệ toạ độ lai thẳng đứng trong CAM 3.0 .........................................27
Hình 2.3 Sơ đồ mô tả các mô hình thành phần của CAM-SOM...............................28
Hình 2.5 Miền tính của RegCM3 trong các thí nghiệm. ...........................................31
Hình 2.4 Mô tả các thí nghiệm đƣợc thực hiện. ........................................................32
Hình 2.5 Vị trí 48 trạm lấy số liệu quan trắc để thẩm định.......................................36
Hình 3.1 Nino3.4 trung bình từ tháng 6 đến tháng 12 giai đoạn 1950 – 2007. ........39
Hình 3.2 Tần số bão ở khu vực Biển Đông (1961 - 2007)........................................39
Hình 3.3 Trƣờng vectơ gió và độ cao địa thế vị mực 850 mb trung bình các tháng 4,
7, 10 (trên xuống dƣới) của các thí nghiệm so sánh với số liệu NNRP2.......42
Hình 3.6 Trƣờng khí áp mực biển trung bình các tháng 4, 7, 10 (trên xuống dƣới)
của các thí nghiệm so sánh với số liệu NNRP2..............................................45
Hình 3.7 Trƣờng nhiệt độ mực 2m trung bình các tháng 5-10 trong giai đoạn 1996-
2005 của các thí nghiệm so sánh với số liệu CRU.........................................46
Hình 3.8 Lƣợng mƣa trung bình các tháng 5-10 trong giai đoạn 1996-2005 của các
thí nghiệm so sánh với số liệu CRU ...............................................................47
2005 của các thí nghiệm so sánh với số liệu quan trắc tại 48 trạm................48
thí nghiệm so sánh với số liệu quan trắc tại 48 trạm......................................49

5
Hình 3.11 Đồ thị tụ điểm đánh giá sai số mô phỏng nhiệt độ mực 2m (a) và lƣợng
mƣa (b) của 3 thí nghiệm so với số liệu quan trắc tại 48 trạm.......................51
Hình 3.12 Profile thẳng đứng của độ ẩm tuyệt đối (a) và nhiệt độ (b) trung bình từ
tháng 5-10 giai đoạn 1996-2005 của các thí nghiệm......................................51
Hình 3.13 Biểu đồ Hovmoller trung bình trƣợt 5 ngày của nhiệt độ (a) và lƣợng
mƣa (b) của các thí nghiệm Reg_Kuo (trên), Reg_Grell (giữa) và
Reg_Emanuel (dƣới).......................................................................................54
Hình 3.14 Trƣờng vectơ gió và độ cao địa thế vị mực 1000 mb trung bình các tháng
1,4,7 (trái sang phải) của CAMSOM (trên) và NNRP2 (dƣới)......................55
Hình 3.17 Trƣờng nhiệt độ không khí trung bình mực 2m các tháng 6,7,8 (trên
xuống dƣới) mô phỏng của RegCM3 theo số liệu CAMSOM (trái), NNRP2
(giữa) và hiệu giữa chúng (phải).....................................................................59
Hình 3.18 Trƣờng tổng lƣợng mƣa các tháng 6,7,8 (trên xuống dƣới) mô phỏng của
RegCM3 theo số liệu CAMSOM (trái), NNRP2 (giữa) và hiệu giữa chúng
(phải)................................................................................................................60
Hình 3.19 Nhiệt độ không khí trung bình mực 2m các tháng từ tháng 5 đến tháng 9
mô phỏng của RegCM3 theo số liệu CAMSOM (trái), NNRP2 (giữa) và số
liệu quan trắc (phải) tại 48 trạm......................................................................61
Hình 3.20 Tổng lƣợng mƣa tháng trung bình trong các tháng từ tháng 5 đến tháng 9
mô phỏng của RegCM3 theo số liệu CAMSOM (trái), NNRP2 (giữa) và số
liệu quan trắc (phải) tại 48 trạm......................................................................62
Hình 3.21 Sai số mô phỏng nhiệt độ không khí trung bình mực 2m từ tháng 5 đến
tháng 9 của RegCM3 theo số liệu CAMSOM, NNRP2 và số liệu quan trắc tại
48 trạm.............................................................................................................63

6
Hình 3.22 Sai số mô phỏng lƣợng mƣa trung bình các tháng từ tháng 5 đến tháng 9
của RegCM3 theo số liệu CAMSOM, NNRP2 và số liệu quan trắc tại 48
trạm..................................................................................................................64
Hình 3.23 Nhiệt độ không khí trung bình mực 2m của (a) tháng 4, (b) tháng 5, (c)
tháng 6 theo số liệu CRU. ...............................................................................65
Hình 3.24 Sai số dự báo nhiệt độ không khí trung bình mực 2m của tháng 4 với các
leadtime khác nhau..........................................................................................66
Hình 3.27 Lƣợng mƣa trung bình của (a) tháng 4, (b) tháng 5, (c) tháng 6 theo số
liệu CRU..........................................................................................................69
Hình 3.28 Sai số dự báo lƣợng mƣa trung bình của tháng 4 với các leadtime khác
nhau .................................................................................................................70
nhau .................................................................................................................71
nhau .................................................................................................................72
Hình 3.31 Sai số dự báo nhiệt độ mực 2m tại 48 trạm..............................................73
Hình 3.32 Sai số dự báo nhiệt độ mực 2m tại các trạm miền Bắc ............................74
Hình 3.33 Sai số dự báo nhiệt độ mực 2m tại các trạm miền Nam...........................75
Hình 3.34 Sai số dự báo lƣợng mƣa tại 48 trạm........................................................76
Hình 3.35 Sai số dự báo lƣợng mƣa tại các trạm miền Bắc ......................................76
Hình 3.36 Sai số dự báo lƣợng mƣa tại các trạm miền Nam.....................................77

7
DANH MỤC BẢNG
Bảng 2.1 Danh mục một số trƣờng kết xuất của mô hình CAM-SOM.....................29
Bảng 2.2 Các hàm đƣợc sử dụng trong thƣ viện NFI................................................34
Bảng 2.3 Danh sách 48 trạm lấy số liệu quan trắc để thẩm định ..............................36

8
DANH MỤC CÁC KÝ HIỆU VIẾT TẮT
AGCM Mô hình hoàn lƣu chung khí quyển
GCM Mô hình hoàn lƣu chung khí quyển (Global Circulation model)
GPC Trung tâm sản phẩm toàn cầu cho dự báo hạn dài
LSM Mô hình bề mặt đất (land surface model)
RegCM Mô hình khí hậu khu vực (Regional Climate Model)
SST Nhiệt độ mặt nƣớc biển toàn cầu (Sea surface temperature)
WMO Tổ chức Khí tƣợng Thế giới (World Meteorological Organization)

9
MỞ ĐẦU
Bài toán dự báo hạn mùa hiện đang là một trong những bài toán đƣợc quan
tâm trên thế giới cũng nhƣ trong khu vực bởi những ứng dụng thiết thực đối với đời
sống xã hội. Cụ thể trong dự báo hạn mùa, phƣơng pháp đƣợc quan tâm nhiều hiện
nay là phƣơng pháp mô hình động lực, thay thế cho phƣơng pháp thống kê đƣợc
phát triển mạnh những năm trƣớc đây. Sự phát triển của các mô hình dự báo số trị,
không chỉ trên quy mô toàn cầu mà còn chi tiết hóa cho từng khu vực, đã góp phần
tạo điều kiện thuận lợi cho hƣớng nghiên cứu này.
Ở Việt Nam, việc ứng dụng và thử nghiệm các mô hình khí hậu khu vực cho
bài toán dự báo tuy không còn mới mẻ nhƣng vẫn còn nhiều câu hỏi cần đƣợc trả
lời, đặc biệt là dự báo hạn mùa. Trong khuôn khổ luận văn này, tác giả sẽ thử
nghiệm sử dụng mô hình khí hậu khu vực, kết hợp với sản phẩm đầu ra từ mô hình
dự báo toàn cầu, để đƣa ra các sản phẩm dự báo và đánh giá cho khu vực Việt Nam.
Mô hình khu vực đƣợc sử dụng là Mô hình khí hậu khu vực RegCM phiên bản 3
(RegCM3), với đầu vào từ hệ thống mô hình kết hợp CAM-SOM. Trƣớc đó, khả
năng mô phỏng của RegCM3 với các sơ đồ đối lƣu khác nhau cũng đƣợc đánh giá
với kết quả trong giai đoạn 10 năm. Luận văn đƣợc bố cục thành 3 chƣơng, ngoài
mở đầu, kết luận và tài liệu tham khảo nhƣ sau:
Chƣơng 1: Tổng quan
Chƣơng 2: Phƣơng pháp nghiên cứu
Chƣơng 3: Kết quả và nhận xét

10
Chƣơng 1
TỔNG QUAN
Dự báo hạn mùa hiện nay đang là một trong những bài toán đƣợc quan tâm
đặc biệt, không chỉ trong nghiên cứu mà còn đƣợc mở rộng trong những ứng dụng
của đời sống xã hội. Trong đó, có thể kể đến hiệu quả của sản phẩm dự báo hạn
mùa có kĩ năng tốt trong lĩnh vực nông nghiệp nhƣ góp phần đƣa ra những dự báo
đáng tin cậy về sản lƣợng vụ mùa ở Châu Âu [12] hay miền tây Ấn Độ [13], hơn thế
nữa là trong lĩnh vực y tế nhƣ việc dự báo sự lan truyền của dịch sốt rét [38].
Chƣơng 1 sẽ trình bày tổng quan các nghiên cứu trên thế giới và trong nƣớc về dự
báo hạn mùa, để có đƣợc những khái niệm cơ bản cũng nhƣ một vài nét về sự phát
triển của dự báo hạn mùa. Từ đó, mục tiêu cũng nhƣ ý nghĩa bài toán đƣợc giải
quyết trong khuôn khổ luận văn sẽ đƣợc chỉ rõ.
1.1 Các nghiên cứu trên thế giới
Đến với bài toán dự báo hạn mùa, trƣớc hết, cần có cái nhìn khái quát về
khái niệm của dự báo hạn mùa, cũng nhƣ về các trung tâm đƣa ra sản phẩm dự báo
hạn mùa, đƣợc bổ nhiệm chính thức bởi Tổ chức Khí tƣợng Thế giới (WMO).
Nghiệp vụ dự báo hiện nay có 3 lớp bài toán dự báo, bao gồm dự báo thời tiết, dự
báo tháng và dự báo mùa. Đối với dự báo thời tiết, thông thƣờng hạn dự báo khoảng
3–5 ngày (hạn ngắn – Short range forecast) và tối đa khoảng 5–10 ngày (hạn vừa –
Medium range forecast). Dự báo thời tiết cần phải chỉ ra đƣợc trạng thái của khí
quyển tại một địa điểm cụ thể, vào những thời điểm cụ thể (từng ngày, thậm chí
từng giờ) trong thời hạn dự báo. Khác với dự báo thời tiết, dự báo mùa không chỉ ra
trạng thái khí quyển vào những thời điểm cụ thể đến từng ngày, thay vào đó là
thông tin chung về điều kiện khí quyển trong từng khoảng thời gian nhất định
(chẳng hạn từng tháng, từng mùa – ba tháng) trong thời hạn dự báo. Dự báo mùa,
hay dự báo hạn mùa (Seasonal forecast), hay dự báo khí hậu hạn mùa (Seasonal
Climate forecast) có hạn dự báo đến tối đa (hiện nay) là một năm [35].

11
Bên cạnh đó, theo WMO [44], với bài toán dự báo thời tiết, dự báo quy mô
lớn hơn 10 ngày trong tƣơng lai đƣợc coi là dự báo hạn dài, mặt khác trong dự báo
khí hậu, dự báo hạn dài nói chung quan tâm ở quy mô mùa. Dự báo hạn dài đƣợc
mở rộng từ hạn 30 ngày cho đến 2 năm, trong đó bao gồm các mô tả quy mô mùa
(seasonal outlook) đƣợc định nghĩa là việc chỉ ra các tham số trung bình của thời
tiết thông qua độ lệch so với giá trị trung bình khí hậu của mùa đó [30]. Khái niệm
mùa có thể hiểu theo mùa thiên văn (xuân, hạ, thu, đông) và cũng có thể có khái
niệm khác ở vùng nhiệt đới (mùa mƣa, mùa khô). Trong thực tế, dự báo hạn mùa
(seasonal forecasting) đƣợc xét từ quy mô tháng cho đến 1 năm (với các hạn phổ
biến là 1, 3, 6, 9 tháng) nhằm đƣa ra các ứng dụng có hiệu quả của sản phẩm dự
báo.
Dự báo hạn mùa (từ quy mô tháng cho đến quy mô năm) là một bài toán
phức tạp mà sự thành công của các dự báo mùa này phụ thuộc vào mức độ hiểu biết
(chi tiết) về mối quan hệ tƣơng tác giữa khí quyển và đại dƣơng [44]. Hiện tại, với
những hiểu biết của chúng ta về các quá trình tƣơng tác trên, cùng với việc chi tiết
hóa (hoàn thiện hơn) của các mô hình đã giúp phát triển việc quan trắc đo đạc cũng
nhƣ tạo ra những tiến bộ trong dự báo hạn mùa. Để hiểu đƣợc cơ sở vật lý của dự
báo hạn mùa, chúng ta cần hiểu các nhân tố tạo ra các đặc trƣng khí hậu của 1 năm
khác biệt so với các năm khác. Vì vậy, chúng ta cũng cần nắm đƣợc khả năng dự
báo của chính các nhân tố này và cụ thể ở quy mô thời gian nào. Trên quy mô toàn
cầu, nguyên nhân quan trọng nhất khiến các đặc trƣng khí hậu thay đổi từ năm này
qua năm khác là sự biến đổi của nhiệt độ mặt nƣớc biển toàn cầu (SST). Dị thƣờng
nhiệt độ bề mặt biển ở khu vực nhiệt đới là đặc biệt quan trọng bởi vì đối lƣu sâu
trong khí quyển miền nhiệt đới, tác động lớn đến hoàn lƣu toàn cầu, lại rất nhạy
cảm với SST bên dƣới. Ở một số nơi khác nhƣ Châu Âu và Tây Phi, SST của khu
vực cũng đƣợc coi là nhân tố quan trọng. Đối với khu vực nhiệt đới, đặc biệt là khu
vực Thái Bình Dƣơng xích đạo, khả năng dự báo SST đƣợc nâng cao nhờ có các
quá trình khác. Trong đó, ENSO là hiện tƣợng đƣợc quan tâm nghiên cứu và có tác
động nhiều nhất đến các quá trình làm thay đổi SST. Dự báo hiện tƣợng ENSO,

12
theo quy mô tháng và năm, đã hỗ trợ tốt hơn cho dự báo hạn mùa ở nhiều nơi trên
thế giới.
Bề mặt đất của trái đất cũng có thể ảnh hƣởng đến khí quyển trên quy mô
mùa, trong đó độ ẩm đất đóng vai trò quan trọng, cũng nhƣ một số nơi là độ phủ
tuyết. Độ ẩm đất có thể dao động về căn bản từ năm này qua năm khác và biến đổi
trong độ ẩm đất có khoảng thời gian quy mô từ tháng đến năm. Koster (2004) [27]
đã sử dụng mô hình bề mặt đất (LSM) kết hợp với trƣờng toàn cầu trạng thái thực
(của các biến giáng thủy, bức xạ và các trƣờng khí tƣợng bề mặt) để có đƣợc các
trƣờng mới về độ ẩm đất, nhiệt độ và các trạng thái đất khác. Sau đó, tác giả đã sử
dụng các trƣờng này làm điều kiện ban đầu cho dự báo giáng thủy và nhiệt độ bằng
mô hình hoàn lƣu chung khí quyển (AGCM). Sự cải thiện trong kết quả đã đƣợc
kiểm định với việc thực hiện dự báo lại ở quy mô tháng (từ tháng 5 đến tháng 9,
1979-93) với hệ thống dự báo hạn mùa của Mô hình toàn cầu của NASA (GMAO).
Với 75 dự báo riêng biệt, kết quả đã cung cấp cơ bản đầy đủ về mặt thống kê cho
việc đánh giá sự cải thiện trong kĩ năng dự báo liên quan đến việc ban đầu hóa điều
kiện bề mặt đất. Đánh giá kĩ năng đƣợc tập trung cho khu vực Đồng bằng lớn của
Bắc Mỹ, khu vực có nguồn số liệu về điều kiện đất ban đầu đáng tin cậy và có sự
ảnh hƣởng lớn của điều kiện độ ẩm đất tới các nhiễu động khí quyển trong việc phát
triển các trƣờng khí tƣợng. Nghiên cứu đã chỉ ra ban đầu hóa đất tác động nhỏ
nhƣng là có thể nhận thấy cho sự cải thiện của dự báo nhiệt độ và lƣợng mƣa của
khu vực này. Đối với giáng thủy, sự phát triển trong kĩ năng dự báo xuất hiện rõ nét
vào tháng 5 đến tháng 7, trong khi đó với nhiệt độ không khí, là tháng 8 và tháng 9.
Cả ban đầu hóa đất và khí quyển đều chi phối một cách độc lập đến kĩ năng thực
của dự báo nhiệt độ hàng tháng, với kĩ năng lớn nhất nhận đƣợc từ việc ban đầu hóa
là khi kết hợp 2 nguồn này.
Việc dự báo hạn dài chính xác các nhân tố khí hậu (nhiệt độ, lƣợng mƣa, trên
hay dƣới chuẩn… ) có những tiềm năng ứng dụng rất lớn, ví dụ những dự báo này
có thể cung cấp thông tin cần thiết cho những quyết định dài hạn và cảnh báo sớm
các thiên tai có thể xảy ra. Một lƣu ý là mức độ tin cậy của bất kỳ dự báo nào cũng

13
phụ thuộc vào khả năng nắm bắt chính xác đến đâu của chúng khi so sánh với trung
bình khí hậu. Cụ thể là dự báo chỉ đƣợc chấp nhận nếu chúng chính xác hơn và
cung cấp nhiều thông tin hơn so với kinh nghiệm về khí hậu mà vẫn đƣợc sử dụng
để đánh giá và đƣa ra các quyết định trƣớc đây. Có hai cách tiếp cận dự báo hạn
mùa là dự báo bằng phƣơng pháp thống kê và phƣơng pháp mô hình động lực (dự
báo sử dụng các mô hình số trị).
Phương pháp thống kê là phƣơng pháp đơn giản nhất để dự báo dị thƣờng
các yếu tố so với khí hậu trung bình, quy mô tháng hay mùa, sử dụng các nguyên
tắc (bằng thống kê) liên kết các hình thế trong tƣơng lai với đặc tính khí hậu hiện
tại. Những dị thƣờng biến đổi chậm và có quy mô lớn của khí hậu (ví dụ nhƣ SST)
có thể tồn tại trong nhiều tháng, và có thể tác động làm thay đổi hình thế hoàn lƣu
chung khí quyển và từ đó sai lệch so với trạng thái trung bình của hoàn lƣu khí hậu
địa phƣơng. Ban đầu, hƣớng tiếp cận này không mấy thành công, nhƣng sự tăng
cƣờng hiểu biết về hiện tƣợng ENSO và các hình thế tác động khác giúp cho
phƣơng pháp này đáng tin cậy hơn. Điểm mạnh của phƣơng pháp này là tƣơng đối
dễ áp dụng bởi vì hầu nhƣ phụ thuộc vào thống kê khí hậu và sử dụng tài nguyên
máy tính khiêm tốn. Đƣơng nhiên, vẫn tồn tại những hạn chế. Các mô hình thống kê
thƣờng thử nghiệm dự báo các mối liên hệ phức tạp mà không có các mối liên hệ cụ
thể nào với các quá trình vật lý cũng nhƣ động lực học nằm ẩn bên trong. Điều này
có nghĩa là phƣơng pháp hiệu quả khi sự phát triển quy mô lớn là rõ rệt và theo một
hƣớng nhƣng rất khó để lƣờng trƣớc những sự chuyển pha, ví dụ nhƣ từ nóng sang
lạnh và ngƣợc lại. Và cuối cùng, phƣơng pháp thƣờng không nắm bắt đƣợc những
yếu tố đột biến.
Phương pháp mô hình động lực là một cách tiếp cận có cơ sở vật lý hơn để
dự báo mùa, sử dụng các mô hình hoàn lƣu chung khí quyển. Trong một dạng của
hƣớng tiếp cận này, bƣớc đầu tiên là dự báo sự phát triển của SST trong vùng nhiệt
đới Thái Bình Dƣơng. Các dự báo có thể dựa trên mô hình khu vực mà coi sự phát
triển trong vùng đại dƣơng nhiệt đới là cô lập. Khi mô hình đƣa ra dự báo về Thái
Bình Dƣơng, có thể trong một năm tới, hình thế dự báo của SST sẽ đƣợc sử dụng

14
tác động đến mô hình hoàn lƣu chung khí quyển để dự báo thời tiết toàn cầu phản
ứng ra sao. Những dự báo mùa đã cho các kết quả đầy hứa hẹn, đặc biệt là khu vực
nhiệt đới. Sự phát triển của các dự báo này đƣợc xây dựng dựa trên những điểm
mạnh của mô hình và những quan trắc ngày càng tốt hơn ở khu vực Thái Bình
Dƣơng xích đạo. Sự phát triển đáng kể hiện tại đã tạo ra một hệ thống tƣơng tác đầy
đủ trong đó thành phần đại dƣơng, khí quyển và mặt đất của mô hình tƣơng tác liên
tục với nhau để cho ra các bản tin dự báo đến vài tháng.
Với sự phát triển nhƣ vậy, hiện nay WMO đã thiết lập đƣợc các nguồn cung
cấp sản phẩm dự báo hạn dài. Các quá trình dự báo hạn dài dựa trên nền tảng máy
tính (quy mô từ 30 ngày đến 2 năm) trên quy mô toàn cầu đòi hỏi lƣợng lớn tài
nguyên máy tính cùng với những hiểu biết đặc biệt. Vì lý do này, chỉ có một vài
trung tâm trên thế giới cung cấp các bản tin dự báo khí hậu hạn dài toàn cầu. Những
dịch vụ cung cấp bởi các trung tâm này đƣợc biết đến với tên gọi Trung tâm sản
phẩm toàn cầu cho dự báo hạn dài (GPCs) đƣa ra điều kiện cơ bản cho dự báo khí
hậu và thời tiết ở quy mô khu vực/địa phƣơng và đƣợc sử dụng ở các trung tâm dự
báo khu vực và địa phƣơng. Từ đó, dự báo hạn dài ở quy mô khu vực đƣợc cung
cấp bởi cả Các trung tâm khí hậu khu vực (RCCs) cũng nhƣ các Diễn đàn về dự báo
mùa khu vực (RCOFs). Cũng nhƣ GPCs, RCCs và RCOFs sử dụng số liệu đƣợc hỗ
trợ bởi các mô hình số trị để phát triển các dự báo chi tiết thích hợp cho khu vực
riêng. Những mô hình và dự báo này sau đó đƣợc sử dụng bởi các trung tâm dự báo
để tạo ra các dự báo quốc gia và địa phƣơng chính xác và tốt hơn.
Năm 2006, WMO bắt đầu chính thức bổ nhiệm các trung tâm đƣa ra các bản
tin dự báo mùa toàn cầu đƣợc gọi là Trung tâm sản phẩm toàn cầu cho dự báo hạn
dài (GPCs), một thành phần của Hệ thống Xử lý số liệu và Dự báo toàn cầu
(GDPFS) [30]. Các trung tâm này cần cung cấp tối thiểu:
o Dự báo giá trị trung bình, tích lũy hoặc tần suất với thời hạn 1 tháng hoặc lâu
hơn; đặc trƣng là dị thƣờng phân vị trung bình 3 tháng với định dạng chuẩn
cho dự báo mùa. Các dự báo thƣờng biểu diễn dƣới dạng xác suất.
o Thời trễ dự báo (leadtime): từ 0 đến 4 tháng.

15
o Tần suất phát báo: hàng tháng hoặc ít nhất là theo quý
o Cung cấp: dạng ảnh hiển thị trên trang web của GPCs hoặc/và số liệu để tải
về
o Các biến: nhiệt độ 2m, lƣợng mƣa, SST, MSLP, độ cao 500hPa, nhiệt độ
850hPa
o Đánh giá kĩ năng dự báo hạn dài, sử dụng quy chuẩn của SVSLRF.
Một số các GPCs chính của WMO là: Cục khí tƣợng Úc (Bureau of
Meteorology, Australia); Cơ quan khí tƣợng Trung Quốc (China Meteorological
Administration/Bejing Climate Center); Trung tâm dự báo khí hậu Mỹ (Climate
Prediction Center, NOAA); Trung tâm dự báo hạn vừa Châu Âu (European Centre
for Medium-Range Weather Forecasts); Cơ quan khí tƣợng Nhật Bản (Japan
Meteorological Agency/Tokyo Climate Centre)…
Mặt khác, nổi bật lên hiện nay, khi quan tâm đến dự báo hạn mùa đáng lƣu ý
là Hệ thống dự báo khí hậu CFS (Climate Forecast System) với hệ thống dự báo hạn
mùa sử dụng mô hình động lực kết hợp đầy đủ đại dƣơng-đất-khí quyển, đã đƣợc
đƣa vào nghiệp vụ tại NCEP từ tháng 8 năm 2004 [32]. Hệ thống CFS cung cấp
Hình 1.1 Trung tâm sản phẩm toàn cầu cho dự báo hạn dài của WMO (WMO
Global Producing Centres of Long Range Forecasts). Nguồn: WMO 2010
(www.wmo.int)

16
những lợi thế quan trọng trong việc dự báo hạn mùa nghiệp vụ. Lần đầu tiên trong
lịch sử dự báo nghiệp vụ của nƣớc Mỹ, một hệ thống mô hình động lực có kĩ năng
tốt có thể so sánh đƣợc với phƣơng pháp thống kê hiện đang sử dụng ở Trung tâm
Dự báo Khí hậu của NCEP (CPC). Điều này thể hiện sự tiến bộ đáng kể so với các
hệ thống mô hình động lực trƣớc đây đƣợc sử dụng ở NCEP. Hơn thế nữa, kĩ năng
đƣợc cung cấp bởi CFS (theo không gian và thời gian) cũng đã hoàn thiện kĩ năng
của phƣơng pháp thống kê. Thành phần khí quyển của CFS là phiên bản độ phân
giải thấp hơn (T62L64) của Hệ thống Dự báo Toàn cầu (GFS) đã đƣợc chạy nghiệp
vụ ở NCEP từ năm 2003. Thành phần đại dƣơng là GFDL Modul Mô hình đại
dƣơng phiên bản 3 (MOM3) thay cho MOM1 trƣớc đây. Một số cải tiến quan trọng
của hệ thống CFS so với hệ thống động lực trƣớc đây bao gồm: (1) sự kết hợp giữa
khí quyển và đại dƣơng mở rộng hầu hết toàn cầu từ 64N-74S (trƣớc đây chỉ có khu
vực Thái Bình Dƣơng nhiệt đới) (2) hệ thống CFS đƣợc kết hợp đầy đủ không có
hiệu chỉnh dòng (khác với trƣớc đây có hiệu chỉnh dòng và sai số) và (3) một bộ
đầy đủ kết quả dự báo lại của 24 năm (1981-2004) với 15 dự báo cho từng tháng
chạy cho 9 tháng, đã đƣợc cung cấp cùng với CFS. Bộ số liệu dự báo lại của 24 năm
này đặc biệt quan trọng trong việc đánh giá kĩ năng dự báo của hệ thống khi chạy
nghiệp vụ, đồng thời cung cấp thông tin quý báu cho việc nghiên cứu sự tƣơng tác
của các quá trình khí quyển-đất-đại dƣơng.
CFS có sai số nhỏ chấp nhận đƣợc trong dự báo SST vùng nhiệt đới và kĩ
năng dự báo Nino 3-4 SST có thể so sánh đƣợc với phƣơng pháp thống kê. Tuy vậy,
kĩ năng dự báo SST vùng vĩ độ trung bình (trƣớc đây không có) kém hơn nhiều so
với khu vực nhiệt đới và ở các thời trễ dự báo dài hơn thì chỉ có kĩ năng vào mùa
đông. Kĩ năng dự báo tháng và mùa của nhiệt độ và lƣợng mƣa khu vực đất liền Bắc
Bán cầu, cụ thể nhƣ Mỹ, còn khiêm tốn, nhƣng vẫn so sánh đƣợc với phƣơng pháp
thống kê trƣớc đây. Kĩ năng của lƣợng mƣa chủ yếu tốt vào mùa đông (liên quan
đến ENSO), trong khi kĩ năng của nhiệt độ chủ yếu tốt vào mùa hè khi dị thƣờng độ
ẩm đất có tác dụng sử dụng.

17
Gần đây, CFS đã phát triển phiên bản 2 với dự báo tổ hợp. Dự báo sử dụng
điều kiện đầu vào của 30 ngày gần nhất và thực hiện chạy 4 lần/1 ngày. Dự báo tổ
hợp đầu vào từ 40 thành phần với điều kiện ban đầu theo thời đoạn 10 ngày. Loại tổ
hợp thứ nhất (E1) sử dụng 10 ngày đầu tiên, loại 2 (E2) sử dụng 10 ngày tiếp theo
và loại 3 (E3) sử dụng 10 ngày cuối. Dị thƣờng đƣợc tính so với sản phẩm dự báo
lại giai đoạn 1981-2008. Tƣơng quan theo thời gian dựa vào dự báo lại cho giai
đoạn 1981-2006 và số liệu quan trắc đƣợc sử dụng để đánh giá kĩ năng cho dị
thƣờng không gian. Độ lệch chuẩn đƣợc tính trung bình độ lệch chuẩn của từng
thành phần (vẫn tính từ bộ số liệu dự báo lại 1981-2006) với tháng đầu vào và mùa
dự báo tƣơng ứng.
Ở Châu Âu, một dự án khác cũng đáng lƣu ý là DEMETER, dự án đƣợc Liên
minh Châu Âu tài trợ để tạo bộ số liệu dự báo lại bằng phƣơng pháp tổ hợp đa mô
hình bao gồm 7 mô hình với 9 thành phần tổ hợp mỗi mô hình, đã đƣợc đánh giá sử
dụng bộ số liệu tái phân tích ERA40 và số liệu mƣa GPCP [31]. Các mô hình này từ
các trung tâm khí hậu của Châu Âu đƣợc viết tắt là: CERFACS, ECMWF, INGV,
LODYC, METEO-FRANCE, MPI và UKMO. Sản phẩm đầu ra của DEMETER
đƣợc downscale cho phù hợp để ứng dụng vào việc dự báo sản lƣợng mùa màng và
dịch sốt rét. Kết quả cho thấy việc tổ hợp đa mô hình là một hƣớng tiếp cận khả thi
khi quan tâm đến độ bất định của mô hình trong dự báo mùa và nhiều năm, đồng
thời đƣa ra kết quả dự báo đáng tin cậy hơn khi chỉ dựa trên một mô hình đơn lẻ.
Thêm nữa, một lợi ích khác của dự án là cho ra bộ sản phẩm dự báo lại quy mô
mùa. Bộ số liệu này cho tiềm năng để nâng cao hiểu biết của chúng ta về các cơ chế
trong dao động liên mùa và nhiều năm.
David Lavers (cùng cs.) đã phân tích chi tiết kĩ năng dự báo của nhiệt độ và
lƣợng mƣa từ 8 mô hình dự báo mùa bằng phân bố đồng thời của quan trắc và dự
báo để đánh giá sản phẩm của DEMETER [15]. Kết quả cũng cho thấy kĩ năng thấp
ở những dự báo trên tháng-1 (tức là lấy thời trễ dự báo chỉ 1 ngày và đánh giá luôn
cho 30 ngày đầu tiên). Ở những thời trễ dự báo dài, chỉ có khu vực Thái Bình
Dƣơng xích đạo cho thấy kĩ năng đáng kể. Điều này có thể ảnh hƣởng trong việc sử

18
dụng các sản phẩm dự báo mùa trong các dịch vụ khí hậu và kết quả này cũng có
thể đƣợc coi nhƣ tiêu chuẩn của khả năng dự báo khí hậu hiện tại sử dụng các mô
hình động lực. Các mô hình của DEMETER đƣợc khởi tạo chạy vào 01 tháng II, 01
tháng V, 01 tháng 8 và 01 tháng XI để đánh giá sự phụ thuộc quy mô mùa của các
dự báo lại và tích phân cho 180 ngày. Cùng giai đoạn nghiên cứu, CFS với 15 dự
báo lại (9 tháng) khởi tạo mỗi tháng đƣợc sử dụng để đánh giá. Thời kì chung của
DEMETER và CFS là 1981-2001 (21 năm). Nhiệt độ 2m ở độ phân giải 2.5x2.5 từ
số liệu tái phân tích ERA40 và lƣợng mƣa quan trắc trung bình tháng ở độ phân giải
1.0x1.0 từ Trung tâm mƣa khí hậu toàn cầu (GPCC) đƣợc sử dụng làm số liệu để so
sánh. Lƣợng mƣa đƣợc đƣa về lƣới 2.5 để khớp với độ phân giải của dự báo lại. Ở
đây, tác giả thực hiện 2 phép đánh giá: (1) đánh giá so sánh trung bình tổ hợp các
mô hình với số liệu quan trắc, đây đƣợc coi là đáng giá với khí quyển thực và (2)
đánh giá với khí quyển lý tƣởng, với giả thiết là một thành phần của tổ hợp đƣợc coi
là “thật” và trung bình các thành phần còn lại là “dự báo”. Phƣơng pháp sử dụng
chính là dùng hệ số tƣơng quan (tuyến tính).
Đến đây, chúng ta đã điểm qua một số các nghiên cứu cũng nhƣ các dự án và
sự phát triển các trung tâm dự báo hạn mùa trên thế giới. Các khái niệm và lƣu ý cơ
bản khi đề cập đến bài toán dự báo hạn mùa cũng đã đƣợc nêu ra. Tiếp theo, chúng
ta sẽ tìm hiểu một số các nghiên cứu trong nƣớc.
1.2 Các nghiên cứu trong nước
Trong những năm vừa qua, Viện Khoa học Khí tƣợng Thủy văn và Môi
trƣờng đã đƣa vào hệ thống nghiệp vụ dự báo dị thƣờng tổng lƣợng mƣa mùa và
nhiệt độ trung bình trên cơ sở phƣơng pháp thống kê. Kết quả đƣợc biên tập thành
“Thông báo và dự báo khí hậu” ra hàng tháng và đƣợc cập nhật thƣờng xuyên lên
website của Viện (http://www.imh.ac.vn/). Các thông báo này tổng kết diễn biến khí
hậu 3 tháng trƣớc đó và đƣa ra dự báo khí hậu cho 3 tháng tiếp theo. Diễn biến khí
hậu đƣợc xem xét trên cả quy mô toàn cầu và Việt Nam với các biến nhiệt độ, mƣa,
nắng, bốc hơi, chỉ số ẩm và một số hiện tƣợng thời tiết đặc biệt. Dự báo khí hậu 3

19
tháng bao gồm các nhận định chung về diễn biến khí hậu thế giới và khu vực (hiện
tƣợng ENSO) và dự báo khí hậu cho Việt Nam (nhiệt độ, lƣợng mƣa, xoáy thuận
nhiệt đới và không khí lạnh) [5].
Năm 2009, Phan Văn Tân (cùng cs.) [2] cũng đã thử nghiệm bƣớc đầu ứng
dụng mô hình khí hậu khu vực RegCM3 để dự báo nhiệt độ trung bình tháng và
tổng lƣợng mƣa tháng cho ba tháng mùa hè 6-8/1996 khi sử dụng sản phẩm kết xuất
của mô hình khí hậu toàn cầu CAM làm điều kiện ban đầu và điều kiện biên
(RegCM-CAM). Các trƣờng dự báo của RegCM-CAM đã đƣợc đánh giá bằng cách
so sánh với sản phẩm mô phỏng tƣơng ứng của RegCM3 với đầu vào là số liệu tái
phân tích ERA40 và nhiệt độ mặt nƣớc biển phân tích OISST (RegCM-ERA). Kết
quả dự báo nhiệt độ và lƣợng mƣa của RegCM-CAM còn đƣợc so sánh trực tiếp với
số liệu phân tích CRU (nhiệt độ) và CMAP (lƣợng mƣa), và đánh giá định lƣợng
cho khu vực Việt Nam bằng cách nội suy về vị trí trạm và so sánh với số liệu quan
trắc từ mạng lƣới trạm khí tƣợng thông qua các chỉ số thống kê. Kết quả nhận đƣợc
cho thấy, về cơ bản các trƣờng nhiệt độ và lƣợng mƣa dự báo của RegCM-CAM
phù hợp tốt với sản phẩm mô phỏng của RegCM-ERA cũng nhƣ với các trƣờng
phân tích CRU, CMAP. Trên khu vực Việt Nam, RegCM-CAM thƣờng dự báo
nhiệt độ thấp hơn quan trắc; sai số dự báo nhiệt độ của RegCM-CAM trung bình
khoảng 2o
C, khá ổn định và có tính hệ thống. RegCM-CAM cũng cho lƣợng mƣa
dự báo ở Việt Nam thấp hơn thực tế, tuy nhiên sai số còn khá lớn và không thể hiện
rõ qui luật. Trong ba tháng thử nghiệm, dự báo lƣợng mƣa của RegCM-CAM cho
tháng 6/1996 là hợp lý nhất.
Trƣớc đó, trong đề tài “Xây dựng một số phƣơng pháp dự báo hạn vừa, hạn
dài nhiệt độ mùa đông và mƣa mùa hè khu vực phía bắc Việt Nam”, Phạm Đức Thi
(cùng cs.) [4] đã xây dựng các phƣơng pháp dự báo nhiệt độ trung bình tháng và
mùa đối với mùa đông. Nhóm tác giả cố gắng tìm các dấu hiệu để phát hiện những
mùa đông có dao động nhiệt độ mang tính chất dị thƣờng. Đồng thời, đề tài cũng
xây dựng các chỉ tiêu dự báo hạn vừa các đợt không khí lạnh, và các đợt rét đậm, rét
hại, dự báo dài hạn thời kì xuất hiện đợt rét đậm đầu tiên trong mùa đông ở khu vực

20
phía bắc Việt Nam. Đối với mùa hè, phƣơng pháp dự báo chuẩn sai lƣợng mƣa
tháng và mùa, dự báo lƣợng mƣa cũng nhƣ các chỉ tiêu dự báo hạn vừa thời kì xuất
hiện các đợt mƣa thời kì đầu mùa mƣa ở đồng bằng và trung du Bắc Bộ cũng đƣợc
xây dựng. Số liệu trạm Láng (Hà Nội) trong 91 năm (1898-1989) đƣợc sử dụng cho
mùa đông. Tác giả sử dụng chỉ tiêu K=deltaT/sigma >= 1 (giá trị chuẩn sai nhiệt độ
trung bình từng mùa từng tháng/độ lệch chuẩn) để đánh giá. Tháng đƣợc coi là
tháng rét đậm hay ấm đậm trong mùa đông khi giá trị tuyệt đối của chuẩn sai nhiệt
độ trung bình tháng đó bằng hoặc lớn hơn giá trị độ lệch tiêu chuẩn. Mùa đông đƣợc
coi là rét đậm hay ấm đậm khi giá trị tuyệt đối chuẩn sai nhiệt độ trung bình ba
tháng (12, 1, 2) bằng hoặc lớn hơn giá trị sigma của nhiệt độ 3 tháng đó. Rét hại hay
ấm hại lấy ngƣỡng 1.5. Bên cạnh đó, tác giả cũng đƣa ra các nhận xét về các mùa
đông lạnh kỷ lục (1982/83, 1983/84).
Như vậy, qua tổng quan các nghiên cứu trong và ngoài nƣớc về bài toán dự
báo hạn mùa, có thể nhận thấy 2 điểm cần lƣu ý. Thứ nhất, về mặt phƣơng pháp,
hiện nay phƣơng pháp mô hình động lực tỏ ra có ƣu thế hơn và đƣợc phát triển ngày
càng hoàn thiện hơn. Phƣơng pháp thống kê, tuy có ƣu điểm không yêu cầu cao về
mặt tài nguyên tính toán, nhƣng cũng có nhiều nhƣợc điểm. Trong đó, việc không
tính đến mối quan hệ vật lý giữa các biến đƣợc dự báo, không nắm bắt đƣợc những
phát triển đột biến của khí quyển cũng nhƣ việc phụ thuộc nhiều vào nguồn số liệu
điểm trạm vốn không đầy đủ ở nhiều khu vực, là những khuyết điểm chính. Phƣơng
pháp mô hình động lực, tuy cần tài nguyên tính toán lớn, cả về tài nguyên máy tính
và nguồn nhân lực, nhƣng lại giải quyết đƣợc hầu hết các hạn chế trên của phƣơng
pháp thống kê. Điểm thứ hai, so với sự phát triển trên thế giới thì dự báo hạn mùa ở
Việt Nam còn khá “thô sơ”, với không nhiều các nghiên cứu và nghiệp vụ còn phụ
thuộc nhiều vào phƣơng pháp thống kê. Trong khi đó, những năm gần đây, có
không ít các mô hình khí hậu khu vực đã đƣợc thử nghiệm cho khu vực Việt Nam
[3]. Từ đó, tác giả nhận thấy việc hƣớng đến nghiên cứu khả năng ứng dụng mô
hình khí hậu khu vực vào bài toán dự báo hạn mùa ở Việt Nam là một hƣớng đi có ý
nghĩa và cần thiết. Trƣớc hết là khai thác phƣơng pháp mô hình động lực cho bài

21
toán dự báo mùa ở Việt Nam, hơn thế nữa nếu kết quả khả quan, có thể ứng dụng
tốt cho các bài toán sau này nhƣ thống kê trên sản phẩm mô hình hay dự báo tổ hợp.
Để giải quyết hƣớng đi này, tác giả tập trung vào hai khía cạnh. Đầu tiên là khảo sát
đƣợc năng lực của mô hình khí hậu khu vực lựa chọn sử dụng, mà ở đây là mô hình
Mô hình khí hậu khu vực RegCM phiên bản 3 (RegCM3). Khi điều kiện đầu vào là
trƣờng khí quyển thực, đƣợc coi là trƣờng “dự báo hoàn hảo”, đồng thời với các
tham số hóa đối lƣu khác nhau, khả năng mô phỏng của RegCM3 sẽ nhƣ thế nào?
Tiếp theo, sẽ khai thác sử dụng đầu ra từ một mô hình dự báo toàn cầu làm điều
kiện biên cho RegCM3 nhằm đƣa ra các sản phẩm dự báo bƣớc đầu. Mô hình toàn
cầu đƣợc sử dụng ở đây là hệ thống mô hình CAMSOM. Các kết quả đƣợc đánh giá
so sánh với số liệu quan trắc, cả trên quy mô lƣới và điểm trạm. Chi tiết việc thiết
kế các thí nghiệm cũng nhƣ mô hình đƣợc sử dụng và các nguồn số liệu sẽ đƣợc
trình bày trong chƣơng 2 tiếp sau đây.

22
Chƣơng 2
PHƢƠNG PHÁP NGHIÊN CỨU
Trong chƣơng 1, ý nghĩa thực tiễn và khoa học của bài toán dự báo hạn mùa
bằng mô hình khí hậu khu vực đã đƣợc chỉ ra. Để cụ thể hóa bài toán nghiên cứu
khả năng ứng dụng mô hình khí hậu khu vực dự báo hạn mùa ở Việt Nam trong
khuôn khổ luận văn này, chƣơng 2 sẽ trình bày việc thiết kế các thí nghiệm sẽ đƣợc
thực hiện. Mô hình khí hậu khu vực RegCM phiên bản 3 và hệ thống mô hình kết
hợp CAM-SOM là hai công cụ chính sẽ đƣợc ứng dụng để mô phỏng và dự báo hạn
mùa cho khu vực Việt Nam. Sản phẩm đầu ra của CAM-SOM đƣợc sử dụng làm
đầu vào (điều kiện ban đầu và điều kiện biên phụ thuộc thời gian) để chạy cho mô
hình RegCM3. Các tùy chọn tham số hóa đối lƣu khác nhau đối với mô hình
RegCM3 cũng đƣợc thử nghiệm khi chạy với số liệu tái phân tích nhằm đánh giá
năng lực của mô hình trong trƣờng hợp điều kiện đầu vào (các trƣờng khí quyển)
đƣợc xem là gần thực.
2.1 Sơ lược về mô hình khí hậu khu vực RegCM3
Hiện nay, mô hình khí hậu khu vực RegCM đã đƣợc ứng dụng để nghiên cứu
khí hậu quá khứ, hiện tại và tƣơng lai tại nhiều nơi khác nhau trên thế giới, từ Châu
Mỹ, Châu Âu đến Châu Á, Châu Phi [21] [34] [9] [37]. Phiên bản NCAR RegCM
(NCAR Regional Climate Model) đầu tiên đƣợc xây dựng dựa trên MM4
(Mesoscale Model Version 4) của Trung tâm quốc gia nghiên cứu khí quyển
(NCAR) và Trƣờng đại học Tổng hợp Pennsylvania (PSU), Hoa Kỳ, vào cuối
những năm 1980 [18] [16]. Phiên bản RegCM đầu tiên đã đƣa vào sơ đồ trao đổi
sinh  khí quyển (Biosphere Atmosphere Transfer Scheme  BATS) để biểu diễn
các quá trình bề mặt và sơ đồ truyền bức xạ của NCARCCM phiên bản 1 (CCM1).
Tiếp sau đó, kết quả của những cải tiến quan trọng về vật lý và các sơ đồ số hóa của
RegCM đã dẫn đến sự hình thành phiên bản thứ hai của RegCM, gọi là RegCM2
[19] [20]. Và phổ biến nhất hiện nay là RegCM phiên bản 3 (RegCM3) với những
cải tiến và bổ sung đáng kể so với các phiên bản trƣớc [29]. Đó là những thay đổi

23
trong vật lý mô hình bao gồm sơ đồ giáng thủy qui mô lƣới, các sơ đồ tham số hóa
vật lý nhƣ sơ đồ tính các dòng từ bề mặt biển của Zeng, sơ đồ đối lƣu mây tích
Betts,...
Mô hình RegCM3 sử dụng hệ tọa độ thẳng đứng thủy tĩnh theo địa hình, ký
hiệu là , đƣợc định nghĩa bởi ( )/( )t s tp p p p   trong đó p là áp suất, pt là áp
suất tại đỉnh mô hình, và ps là áp suất tại bề mặt.  bằng 0 tại đỉnh và bằng 1 tại bề
mặt. Thông thƣờng, độ phân giải thẳng đứng trong lớp biên mịn hơn các lớp trên
cao và số mực thay đổi tuỳ theo yêu cầu ngƣời sử dụng. Lƣới ngang có dạng xen kẽ
ArakawaB (Hình 2.1). Các biến vô hƣớng (T, q, p,…) đƣợc xác định tại tâm các ô
lƣới trong khi các thành phần vận tốc gió hƣớng đông (u) và hƣớng bắc (v) đƣợc
xác định tại các nút lƣới. Vị trí tâm ô lƣới ký hiệu bằng dấu nhân, còn các nút lƣới
đƣợc ký hiệu bằng dấu chấm tròn. Theo phƣơng thẳng đứng các biến vô hƣớng và
thành phần gió ngang (u, v) đƣợc xác định tại mực giữa mỗi lớp, gọi là các mực
phân, còn thành phần vận tốc thẳng đứng đƣợc xác định trên các mực nguyên (Hình
2.1).
Hình 2.1 Cấu trúc lƣới thẳng đứng (bên trái) và lƣới ngang dạng xen kẽ ArakawaB
(bên phải) của mô hình RegCM3
Hệ phƣơng trình cơ bản của RegCM3 bao gồm các phƣơng trình động lƣợng
ngang, phƣơng trình liên tục, phƣơng trình nhiệt động học, phƣơng trình thủy tĩnh
và phƣơng trình ẩm [29]. Về điều kiện ban đầu và điều kiện biên, mô hình khí hậu
khu vực RegCM đƣợc xây dựng dựa trên nguyên tắc cân bằng giữa các quá trình

24
qui mô lớn (thƣờng là các trƣờng khí tƣợng toàn cầu và đƣợc gọi là các trƣờng điều
khiển), đƣợc cập nhật thƣờng xuyên theo thời gian trên vùng biên, với các quá trình
qui mô khu vực (đƣợc xác định bởi động lực học và vật lý của chính mô hình khu
vực) tại vùng biên xung quanh gọi là vùng đệm. Điều kiện ban đầu và điều kiện
biên của mô hình đƣợc cung cấp bởi trƣờng điều khiển là số liệu tái phân tích hay
trƣờng dự báo của GCM tuỳ theo mục đích mô phỏng hay dự báo. Mô hình sẽ cập
nhật thông tin từ trƣờng điều khiển sau từng bƣớc thời gian tích phân. Giá trị biên
tại mỗi bƣớc thời gian tích phân là giá trị nội suy từ các trƣờng điều khiển đƣợc cập
nhật từng 3h, 6h hoặc 12h một. Mô hình RegCM cho phép chọn một trong các
phƣơng pháp cập nhật biên là: (1) biên cố định, (2) biên biến đổi theo thời gian, (3)
biên giả và (4) biên lỏng dần (hay biên giảm dƣ). Trên các vùng đại dƣơng, nhiệt độ
mặt nƣớc biển (SST) đƣợc cung cấp nhƣ là điều kiện biên dƣới. Trên bề mặt đất, sơ
đồ BATS1E khi chạy kết hợp (couple) sẽ cung cấp các dòng trao đổi đất  khí
quyển. Ngoài ra để chạy RegCM3 cần phải có độ cao địa hình, lớp phủ thực vật, đất
và các tính chất vật lý của đất,...
Về tham số hóa đối lƣu, trong mô hình RegCM có thể sử dụng một trong ba
tùy chọn sau đây để tính giáng thuỷ đối lƣu: (1) Sơ đồ Kuo sửa đổi; (2) Sơ đồ MIT
Emanuel; và (3) Sơ đồ Grell. Trong đó, sơ đồ Grell có thể áp dụng với một trong hai
giả thiết khép kín: (1) khép kín Arakawa và Schubert và (2) khép kín Fritsch và
Chappell.
2.2 Hệ thống mô hình kết hợp CAM-SOM
Mô phỏng và tính toán đầy đủ đặc tính ba chiều của hệ thống khí hậu là mục
đích của các mô hình khí hậu toàn cầu (GCM), trong đó có tính đến ít nhất hai thành
phần quan trọng là khí quyển và bề mặt bao gồm bề mặt đất và đại dƣơng. Hầu hết
các GCM hiện nay đã bao gồm hai mô hình kết hợp khí quyển và bề mặt đất. Việc
kết hợp thêm với thành phần đại dƣơng gặp nhiều khó khăn hơn bởi nhiều nguyên
nhân trong đó quan trọng nhất là khả năng đáp ứng của máy tính. Do đó đa số các
GCM hiện nay chạy với SST cho trƣớc nhƣ là điều kiện biên dƣới trên biển (và

25
thƣờng đƣợc ký hiệu là AGCM). Khi GCM có sự kết hợp đầy đủ các thành phần khí
quyển – bề mặt đất và đại dƣơng nó đƣợc gọi là hệ thống mô hình kết hợp khí
quyển – đại dƣơng và ký hiệu là AOGCM.
Một trong những AOGCM đơn giản là mô hình trong đó thành phần đại
dƣơng đƣợc đƣa vào nhƣ là một lớp nƣớc mỏng phía trên (SOM – Slab Ocean
Model). SOM còn đƣợc gọi là mô hình “lớp xáo trộn” hoặc “lớp mỏng” do độ dày
của lớp này tƣơng đƣơng với độ dày lớp xáo trộn trong đại dƣơng. Mô hình “lớp
xáo trộn” biểu diễn đại dƣơng nhƣ là lớp nƣớc mỏng với độ sâu ấn định, thông
thƣờng giữa 70 và 100m. Đôi khi độ sâu lớp xáo trộn có thể thay đổi theo địa hình,
nhƣng thƣờng không chênh lệch nhiều trên toàn cầu.
CAM (Community Atmosphere Model) là thành phần khí quyển trong mô
hình hệ thống khí hậu CCSM (Community Climate System Model) trong đó kết hợp
mô hình khí quyển với mô hình bề mặt đất CLM (Community Land Model).
CAM-SOM là hệ thống kết hợp (couple) giữa CAM và SOM, là một
AOGCM đơn giản sẽ đƣợc ứng dụng trong luận văn này. Sau đây sẽ trình bày tóm
tắt hai thành phần của hệ thống CAM-SOM.
 Mô hình CAM 3.0
Trung tâm Quốc gia Nghiên cứu Khí quyển Hoa Kỳ (NCAR) đã phát triển
mô hình khí quyển toàn cầu ba chiều nghiên cứu và tìm hiểu khí hậu Trái đất trong
nhiều năm. Mô hình đƣợc thiết kế để làm một công cụ của cộng đồng nên có tên là
Mô hình Khí hậu Cộng đồng (CCM - Community Climate Model). Phiên bản gốc
của Mô hình Khí hậu Cộng đồng NCAR là CCM0A [39] và CCM0B [40], đƣợc dựa
trên mô hình phổ của Australia [33], [34] và một phiên bản của mô hình phổ
ECMWF [6]. Trải qua thế hệ thứ hai của Mô hình Cộng đồng, CCM1, đƣợc ban
hành năm 1987 [41], [7], [42], thế hệ thứ 3 của Mô hình Khí hậu Cộng đồng ra đời
vào tháng 10 năm 1992 [8], [22] và đến CCM3 là thế hệ thứ tƣ của Mô hình Khí
hậu Cộng đồng NCAR [26]. Hiện nay, CAM 3.0 đã là thế hệ thứ 5 của mô hình khí
quyển toàn cầu NCAR [14]. Tên của mô hình thay đổi từ Mô hình Khí hậu Cộng

26
đồng sang Mô hình Khí quyển Cộng đồng, thể hiện vai trò của CAM 3.0 trong hệ
thống khí hậu kết hợp đầy đủ CCSM (Community Climate System Model).
Mô hình CAM 3.0 có ba dạng nhân động lực: (1) động lực Ơle, (2) động lực
bán-Lagrangian, (3) động lực thể tích hữu hạn, và hệ tọa độ thẳng đứng lai [14]. Hệ
tọa độ thẳng đứng lai đƣợc phát triển với mục đích cung cấp khung áp dụng chung
cho trục tọa độ thẳng đứng, trong đó bám sát theo địa hình gần bề mặt Trái đất và
trở thành hệ tọa độ áp suất ở những lớp trên. Trong CAM 3.0, hệ tọa độ lai đƣợc
biểu diễn nhƣ sau:
Nếu áp suất bề mặt là , thì trục tọa độ thẳng đứng thỏa mãn:
là hàm đơn của p
trong đó pt là đỉnh mô hình
(2.1)
Trong trƣờng hợp pt=0 thì 2 điều kiện cuối là đồng nhất và hệ tọa độ trở
thành hệ đƣợc miêu tả trong Simmons và Strüfing (1981) [33]. Điều kiện biên cần
để khép kín hệ là:
(2.2)
(2.3)
Với các mô tả trên của hệ tọa độ, hệ các phƣơng trình liên tục có thể viết lại
theo Kasahara (1974) [25] và Simmons và Strüfing (1981) [33]. Tham số hóa vật lý
trong CAM 3.0 bao gồm một chuỗi các thành phần, đƣợc minh họa bởi: P = {M, C,
R, S, T}, trong đó M biểu thị quá trình giáng thủy (Moist), C biểu thị mây (Cloud),
R biểu thị bức xạ (Radiation), S biểu thị mô hình đất (Surface model), và T biểu thị
xáo trộn rối (Turbulent mixing). Mỗi thành phần trên lần lƣợt lại đƣợc chia nhỏ
thành các thành phần con khác nhau.
  ,p 
 ,p 
 , 1   
 0, 0  
 ,t tp  
 , 0  


 , ( ) 0t tp w p 

 

27
Hình 2.2 Mô tả hệ toạ độ lai thẳng đứng trong CAM 3.0
 Mô hình SOM
Cấu hình hiện tại của mô hình đại dƣơng lớp mỏng SOM cho phép có quá
trình tƣơng tác đầy đủ ở bề mặt với CAM 3.0. Biến dự báo cho đại dƣơng là nhiệt
độ lớp xáo trộn T0. Lớp xáo trộn đại dƣơng có nguồn nội nhiệt Q (còn gọi là thông
lƣợng Q), biểu diễn trao đổi nƣớc sâu theo mùa và vận chuyển nhiệt đại dƣơng
phƣơng ngang. Ví dụ, nếu sử dụng nhiệt độ bề mặt và phân bố băng biển cho trƣớc,
thông lƣợng thuần năng lƣợng bề mặt trên mặt biển có thể đƣợc tính toán để tính
nguồn nhiệt Q. Trao đổi thêm của nhiệt xuất hiện giữa lớp xáo trộn và mô hình băng
biển khi băng đƣợc hình thành và tan rã.
Công thức tổng quát cho mô hình đại dƣơng lớp mỏng mở đƣợc đƣa ra bởi
Hansen và CS (1984) [23] với một số thay đổi cho phép có tỉ lệ phủ băng biển.
Phƣơng trình điều khiển nhiệt độ T0 lớp xáo trộn đại dƣơng là:
(2.4)0
0 0 0 (1 ) (1 )oi frz
T
C h A F Q AF A F
t


     


28
trong đó T0 là nhiệt độ lớp xáo trộn đại dƣơng, là mật độ của của nƣớc
trong đại dƣơng, C0 là nhiệt dung của nƣớc biển, h0 là độ sâu trung bình năm của
đại dƣơng (m), A là tỉ lệ của đại dƣơng đƣợc phủ bởi băng biển, F là thông lƣợng
nhiệt thuần từ khí quyển xuống đại dƣơng (Wm-2
), Q là thông lƣợng nhiệt trong lớp
xáo trộn (Wm-2
), Foi là nhiệt trao đổi với băng biển (Wm-2
), và Ffrz là nhiệt nhận
đƣợc khi băng biển phát triển trên vùng nƣớc mở (Wm-2
). và C0 là các hằng số.
Hình 2.3 Sơ đồ mô tả các mô hình thành phần của CAM-SOM
Nhƣ vậy, CAM 3.0 đƣợc phát triển là mô hình khí hậu thành phần khí quyển,
một trong bốn thành phần của CCSM (bao gồm mô hình khí quyển, mô hình đại
dƣơng, mô hình đất và mô hình băng biển). CAM 3.0 có thể chạy một cách độc lập
và cũng có thể chạy kết hợp với các mô hình thành phần của CCSM. CAM 3.0 có
thể ứng dụng để dự báo khí hậu trong tƣơng lai khi kết hợp với mô hình đại dƣơng
lớp mỏng (Hình 2.3). Nhiệt độ mặt nƣớc biển và độ phủ băng biển bây giờ là biến
dự báo nhận đƣợc từ mô hình đại dƣơng.
Có thể nhận đƣợc gần 300 biến từ CAM-SOM và các biến có thể là các giá
trị tức thời, giá trị cực đại, giá trị cực tiểu, và giá trị trung bình theo thời gian: Trung
bình ngày, trung bình tháng, trung bình theo mùa, trung bình năm. Một số biến dự
báo quan trọng kết xuất từ mô hình CAM-SOM có thể làm đầu vào cho mô hình khí
hậu khu vực (Bảng 2.1).
0
0

29
Bảng 2.1 Danh mục một số trƣờng kết xuất của mô hình CAM-SOM
Tên trƣờng Mô tả trƣờng Số mực Đơn vị
LPSTEN Xu thế áp suất bề mặt 1 Pa/s
OMEGA Vận tốc thẳng đứng (áp suất) 26 Pa/s
PBLH Độ cao lớp biên 1 m
PHIS Thế vị bề mặt 1 m2/s2
PS Áp suất bề mặt 1 Pa
PSDRY Áp suất bề mặt 1 Pa
PSL Áp suất mực biển 1 Pa
Q Độ ẩm riêng 26 kg/kg
SICTHK Độ dày băng biển 1 m
SST Nhiệt độ bề mặt biển 1 K
T Nhiệt độ 26 K
TS Nhiệt độ bề mặt 1 K
TS1 Nhiệt độ dƣới đất TS1 1 K
U Thành phần gió vĩ hƣớng 26 m/s
V Thành phần gió kinh hƣớng 26 m/s
Z3 Độ cao địa thế vị (trên mực biển) 26 m
2.3 Thiết kế thí nghiệm
Xin nhắc lại, trong khuôn khổ luận văn này, các thí nghiệm đƣợc thực hiện
nhằm nghiên cứu khả năng ứng dụng mô hình khí hậu khu vực (RegCM3) vào bài
toán dự báo hạn mùa ở Việt Nam. Cụ thể hơn là trả lời hai câu hỏi về (1) khả năng
dự báo hạn mùa của mô hình RegCM3 với các tùy chọn tham số hóa đối lƣu khác
nhau và (2) khả năng kết nối của RegCM3 với mô hình toàn cầu (CAM-SOM)

30
nhằm đƣa ra đƣợc kết quả dự báo hạn mùa cho khu vực Việt Nam. Nhƣ vậy, có hai
nhóm thí nghiệm đƣợc thực hiện nhƣ sau:
 TN1. Nghiên cứu khả năng dự báo hạn mùa của mô hình RegCM3
với các tùy chọn tham số hóa đối lƣu khác nhau
Mô hình RegCM3 đƣợc thiết kế chạy lần lƣợt với 3 sơ đồ tham số hóa đối
lƣu khác nhau, từ ngày 01 tháng 04 đến ngày 31 tháng 10 của từng năm trong giai
đoạn 1996-2005 với số liệu đầu vào là số liệu tái phân tích NNRP2 của Trung tâm
quốc gia Dự báo Môi trƣờng của Mỹ (National Centre for Environmental Prediction
(NCEP) Reanalysis datasets) và bộ số liệu phân tích hàng tháng trên lƣới 1 độ của
nhiệt độ mặt biển ngoại suy tối ƣu (OISST) từ Cơ quan quản lý biển và khí quyển
quốc gia (National Ocean and Atmosphere Administration). Các sơ đồ đối lƣu đƣợc
sử dụng là: (1) Sơ đồ Kuo sửa đổi; (2) Sơ đồ MIT Emanuel và (3) Sơ đồ Grell với
giả thiết khép kín Arakawa và Schubert. Kí hiệu tƣơng ứng với 3 nhóm kết quả của
thí nghiệm 1 này là: Reg_Kuo, Reg_Emanuel và Reg_Grell. Với điều kiện biên là số
liệu tái phân tích, điều kiện khí quyển gần thực nhất có thể có, thí nghiệm này nhằm
đƣa ra các dự báo cho mùa hè (mở rộng từ tháng 04 đến tháng 10) trong giai đoạn
10 năm với các sơ đồ đối lƣu khác nhau. Thí nghiệm này nhằm đánh giá khả năng
của RegCM3 khi trƣờng đầu vào cho RegCM3 là trƣờng khí quyển thực. Kết quả
đƣợc so sánh với số liệu quan trắc để đƣa ra đánh giá về chất lƣợng mô phỏng hạn
mùa của RegCM3 cho khu vực Việt Nam.
 TN2. Nghiên cứu khả năng kết nối mô hình RegCM3 với CAM-SOM
Kết nối với đầu ra từ hệ thống mô hình kết hợp CAM-SOM, mô hình
RegCM3 đƣợc đặt chạy với 2 trƣờng hợp:
a. Từ ngày 01 tháng 04 đến ngày 01 tháng 10 của từng năm trong giai đoạn
2000-2005, kết quả đƣợc so sánh với kết quả của chạy RegCM3 với đầu
vào là số liệu tái phân tích NNRP2 cho giai đoạn tƣơng ứng, nhằm đánh
giá sự khác biệt khi dự báo với 2 đầu vào khác nhau (kết quả dự báo của
CAM-SOM và số liệu tái phân tích) của mô hình RegCM3. Kí hiệu tƣơng
ứng của 2 nhóm thí nghiệm này là Reg_CAMSOM và Reg_NNRP2.

31
b. Chạy 4 tháng (leadtime từ 0 cho đến 3 tháng) bắt đầu từ ngày 01 của từng
tháng từ tháng 01 đến tháng 06, của từng năm trong giai đoạn 2001-2005.
Đây là kết quả thử nghiệm dự báo hạn mùa, đặt chạy nối tiếp để xét đến
sự khác biệt của kết quả với các leadtime khác nhau của RegCM3 khi sử
dụng sản phẩm dự báo của CAM-SOM.
Hình 2.5 Miền tính của RegCM3 trong các thí nghiệm. Độ phân giải ngang 36 km.
Mô tả một cách trực quan hơn các thí nghiệm đƣợc minh họa trong hình 2.4.
Cấu hình của mô hình trong tất cả các thí nghiệm nhƣ sau. Theo chiều thẳng đứng
mô hình gồm 18 mực σ với đỉnh tại mực 50 mb. Miền tính mô hình gồm 144x105
điểm (theo hai chiều đông-tây và nam-bắc tƣơng ứng) với tâm tại điểm 11.5oN và
108oE. Độ phân giải ngang là 36 km sử dụng phép chiếu Mercator. Hình 2.5 mô tả
miền tính với độ cao địa hình.
Một điểm lƣu ý ở đây là khi sử dụng đầu ra từ hệ thống mô hình CAMSOM
làm đầu vào cho mô hình RegCM3, cần phải sửa đổi quá trình tiền xử lý (chuẩn bị
điều kiện biên) trong mô hình RegCM3. Cụ thể về chƣơng trình cần chỉnh sửa các
module:
o cam42.f: tạo mới tập tin này, chứa chƣơng trình con đọc các biến tốc độ
gió kinh vĩ hƣớng, nhiệt độ, độ ẩm riêng, nhiệt độ bề mặt, độ cao địa thế vị
và khí áp bề mặt (U, V, T, Q, TS, Z3, PS) từ đầu vào CAMSOM.

32
o CAM.f: chỉnh sửa từ CCSM.f ban đầu, gọi chƣơng trình con từ cam42.f
kết hợp với việc đọc biến địa thế vị bề mặt (PHIS) từ đầu vào CAMSOM.
o ICBC.f: chỉnh sửa để sử dụng các chƣơng trình con trong 2 tập tin trên
Hình 2.4 Mô tả các thí nghiệm đƣợc thực hiện.
TN1: nghiên cứu khả năng dự báo hạn mùa của mô hình RegCM3 với các sơ đồ
tham số hóa đối lưu khác nhau (10 năm với 7 tháng/1năm); TN2a (6 năm với 6
tháng/năm) & TN2b (5 năm với 6 lần đặt chạy/năm, 4 tháng/1 lần): nghiên cứu khả
năng kết nối mô hình RegCM3 với CAM-SOM
Việc đọc số liệu đầu vào cho RegCM3 từ sản phẩm của CAMSOM đƣợc mô
tả sau đây. Mô hình CAMSOM lƣu trữ kết quả dƣới dạng netcdf do đó cần sử dụng
bộ thƣ viện tƣơng ứng để trích xuất. Bộ thƣ viện Netcdf Fortran Interface (NFI)
đƣợc đƣa vào trong quá trình biên dịch và sử dụng các hàm liệt kê trong Bảng 2.2.
Nguyên lý thực hiện việc đọc dữ liệu bao gồm:
- Đọc Header: Header là đoạn dữ liệu đầu tiên của số liệu toàn cầu. Đoạn dữ
liệu này cho ta biết nội dung về lƣới tính cả phƣơng ngang và phƣơng thẳng đứng.
T4 T10 T4 T10 T4 T10 T4 T10
1996 1997 2004 20051998 ~ 2003
T4 T9
2000
T4 T9
2001
T4 T9
2002
T4 T9
2003
T4 T9
2004
T4 T9
2005
T1 T2 T3 T4 T5 T6 T7 T8 T9
2001 ~ 2005
TN2b
TN1
TN2a

33
Vì mô hình toàn cầu CAM-SOM là mô hình phổ nên trƣớc khi có thể sử dụng làm
đầu vào cho mô hình khu vực nó đã đƣợc chuyển đổi sang dạng lƣới Gauss theo
phƣơng ngang và lƣới lai sigma - áp suất theo phƣơng đứng. Trƣớc khi biến đổi mô
hình này đƣợc chạy với cấu hình T42 tƣơng ứng với độ phân giải ~2,81 độ. Việc
cần làm của bộ chƣơng trình là thiết lập các thông số lƣới: kinh độ, vĩ độ, mực
thẳng đứng sao cho khớp với header của CAM-SOM. Sau đó các thông số lƣới của
mô hình khí hậu khu vực đƣợc thiết lập tại đây.
- Sử dụng các hàm trong thư viện NFI để lần lượt đọc các biến: Nhiệt độ các
mực, độ cao địa thế vị các mực, độ ẩm riêng các mực, tốc độ gió vĩ hƣớng các mực,
tốc độ gió kinh hƣớng các mực, áp suất bề mặt, độ cao địa thế vị bề mặt, nhiệt độ bề
mặt nƣớc biển. Sử dụng độ cao địa thế vị bề mặt tính độ cao địa hình.
- Nội suy thẳng đứng (sigma sang áp suất):
o Tính áp suất tại các mực theo các tham số của hệ tọa độ lai: ak, bk.
o Tính độ cao tại các mực áp suất dựa trên độ cao và nhiệt độ của các mực
sigma, áp suất bề mặt, áp suất đỉnh khí quyển.
o Tính tốc độ gió kinh hƣớng và vĩ hƣớng tại các mực áp suất dựa trên các
biến tƣơng ứng tại mực sigma.
o Tính nhiệt độ tại các mực áp suất dựa trên nhiệt độ tại mực sigma.
o Chuyển độ ẩm riêng thành độ ẩm tƣơng đối
o Tính độ ẩm tƣơng đối tại các mực áp suất dựa trên độ ẩm tƣơng đối tại
mực sigma.
- Nội suy ngang: Nội suy theo phƣơng ngang song tuyến tính đƣợc thực hiện
tại các điểm nhân đối với nhiệt độ, độ cao, độ ẩm và tại các điểm tròn đối với tốc độ
gió kinh, vĩ hƣớng.
- Hệ bản đồ:
o Tốc độ gió kinh, vĩ hƣớng đƣợc tính toán lại sao cho vector gió sau khi
thực hiện phép quay phù hợp với hệ bản đồ đƣợc sử dụng trong mô hình khí
hậu khu vực RegCM (Mercator).
o Đảo chiều các mực thẳng đứng.

34
o Tính các biến yêu cầu trƣớc khi tính P* bao gồm: Nhiệt độ trung bình lớp
tính từ bề mặt đến mực dƣới cùng, Áp suất tại đỉnh lớp này, Độ cao tại mực
áp suất đó.
o Ngoại suy áp suất bề mặt từ áp suất của mực gần bề mặt nhất
o Tính áp suất tại điểm tròn dựa theo áp suất tại điểm nhân.
Bảng 2.2 Các hàm đƣợc sử dụng trong thƣ viện NFI
TT Tên Ghi chú
1 NF_OPEN Mở file netcdf
2 NF_INQ_VARID Tìm vị trí biến
3 NF_INQ_DIMID Tìm vị trí các chiều
4 NF_INQ_DIMLEN Tìm độ lớn các chiều
5 NF_INQ_VARNAME Đọc tên biến
6 NF_GET_VARA_REAL Đọc biến thực vào mảng
7 NF_GET_VARA_INT2 Đọc biến nguyên vào mảng
2.4 Nguồn số liệu
 Số liệu cho RegCM3:
Tất cả nguồn số liệu đầu vào cần để cung cấp cho mô hình RegCM3 (bao
gồm số liệu về độ cao địa hình, các loại bề mặt, nhiệt độ mặt nƣớc biển và số liệu
tái phân tích làm điều kiện ban đầu và điều kiện biên cập nhật theo thời gian) có thể
đƣợc tải về từ trang web http://www.ictp.trieste.it/pubregcm/RegCM3. Cụ thể:
 Bộ số liệu lớp phủ (Global Landuse Cover Characteric: GLCC) cung cấp
thông tin về thực vật/mặt đệm, nhận đƣợc từ số liệu Bức xạ phân giải rất cao
tiên tiến (Advanced Very High Resolution Radiation: AVHRR) từ tháng
4/1992 đến tháng 3/1993 và đƣợc chia thành 18 loại đất phủ/thực vật đƣợc
định nghĩa trong sơ đồ tƣơng tác sinh quyển-khí quyển BATS. Mặt đệm của
mỗi ô lƣới của mô hình đƣợc xác định thuộc 1 trong số 18 loại này..

35
 Số liệu độ cao địa hình đƣợc lấy từ USGS. Các tập tin số liệu mặt đệm và
độ cao địa hình đều có sẵn tại các độ phân giải 30 và 10 phút. Ở đây sử dụng
tập số liệu độ phân giải 10 phút.
 Số liệu SST là bộ số liệu phân tích hàng tháng trên lƣới 1 độ của nhiệt độ
mặt biển ngoại suy tối ƣu (OISST) (1981-2011) cũng có sẵn từ Cơ quan quản
lý biển và khí quyển quốc gia (National Ocean and Atmosphere
Administration).
 Số liệu tái phân tích toàn cầu để sử dụng đối với các điều kiện ban đầu và
biên là số liệu tái phân tích NNRP2 của Trung tâm quốc gia Dự báo Môi
trƣờng của Mỹ (National Centre for Environmental Prediction Reanalysis
datasets), lƣới 2.5 độ, L17, từ 1996 đến 2005.
 Số liệu đầu ra của hệ thống mô hình CAM-SOM để sử dụng đối với các
điều kiện ban đầu và biên đƣợc lấy từ tháng 01 đến tháng 09 của từng năm
trong giai đoạn 2000-2005. Nhƣ đã đề cập, số liệu đầu ra của CAM-SOM
cho dƣới định dạng netcdf với tên tập tin và các biến chứa trong các tập tin
tƣơng ứng nhƣ sau:
 somYYYY_rmr.cam2.h0.YYYY-MM.nc (địa thế vị bề mặt)
 somYYYY_rmr.cam2.h1.YYYY-12-01-21600.nc (tốc độ gió kinh, vĩ
hƣớng)
 somYYYY_rmr.cam2.h2.YYYY-12-01-21600.nc (độ ẩm tuyệt đối, nhiệt độ
các mực và nhiệt độ bề mặt)
 somYYYY_rmr.cam2.h3.YYYY-12-01-21600.nc (khí áp bề mặt và độ cao
địa thế vị)
Trong đó, YYYY chỉ năm (YYYY nhỏ hơn YYYY 1 năm) và MM chỉ tháng của số
liệu chứa trong tập tin.

36
Hình 2.5 Vị trí 48 trạm lấy số liệu quan trắc để thẩm định
 Số liệu đánh giá:
 Số liệu CRU: Số liệu tái phân tích của Trung tâm nghiên cứu khí hậu của
Anh với độ phân giải ngang 0,5 độ, chỉ lấy số liệu nhiệt độ bề mặt, lƣợng
mƣa trung bình tháng.
 Số liệu đầu vào: có thể so sánh với chính số liệu đầu vào NNRP2 (NCEP)
để xem xét khả năng tái tạo các trƣờng gió, nhiệt và ẩm của mô hình.
 Số liệu quan trắc thực tế trên Việt Nam: 48 trạm quan trắc khí tƣợng điển
hình trải đều trên lãnh thổ Việt Nam. Trong 1 ngày có số liệu tại 4 obs quan
trắc chuẩn. Nhiệt độ đƣợc tính trung bình ngày, sau đó tính trung bình các
tháng để so sánh. Lƣợng mƣa tính tổng lƣợng ngày, sau đó tính trung bình
tháng để so sánh. Danh sách các trạm trình bày trong Bảng 2.3 và hiển thị
trên hình 2.5.
Bảng 2.3 Danh sách 48 trạm lấy số liệu quan trắc để thẩm định
STT Tên trạm Kinh độ Vĩ độ STT Tên trạm Kinh độ Vĩ độ
1 Điện Biên 103.00 21.21 25 Hƣơng Khê 105.70 18.18
2 Lai Châu 103.09 22.03 26 Nam Đông 107.72 16.17
3 Mộc Châu 104.38 20.51 27 Thanh Hóa 105.46 19.49
4 Sơn La 103.54 21.20 28 Tƣơng Dƣơng 104.43 19.28
5 Hà Giang 104.59 22.49 29 Vinh 105.40 18.40
6 Thái Nguyên 105.83 21.60 30 Ba Tơ 108.73 14.77

37
7 Tuyên Quang 105.22 21.82 31 Đà Nẵng 108.20 16.03
8 Yên Bái 104.52 21.42 32 Nha Trang 109.12 12.15
9 Bắc Quang 104.50 22.29 33 Phan Thiết 108.06 10.56
10 Lạng Sơn 106.46 21.50 34 Phú Quý 108.93 10.52
11 Sa Pa 103.82 22.35 35 Quy Nhơn 109.13 13.46
12 Bãi Cháy 107.07 20.97 36 Trà My 108.23 15.35
13 Cô Tô 107.77 20.98 37 Tuy Hòa 109.17 13.05
14 Bạch Long Vĩ 107.72 20.13 38 Ayunpa 108.54 13.25
15 Hà Nội 105.51 21.01 39 Buôn Ma Thuột 108.03 12.41
16 Hòa Bình 105.20 20.49 40 Bảo Lộc 107.48 11.28
17 Nam Định 106.10 20.26 41 Đà Lạt 108.26 11.57
18 Ninh Bình 105.59 20.16 42 Kontum 107.37 14.20
19 Phủ Liễn 106.38 20.48 43 Playcu 108.00 13.59
20 Đông Hà 107.08 16.85 44 Cà Mau 105.17 9.10
21 Đồng Hới 106.37 17.28 45 Cần Thơ 105.47 10.02
22 Hà Tĩnh 105.54 18.21 46 Côn Đảo 106.60 8.68
23 Hồi Xuân 105.10 20.37 47 Rạch Giá 105.05 10.00
24 Huế 107.41 16.24 48 Vũng Tàu 107.05 10.20

38
Chƣơng 3
KẾT QUẢ VÀ NHẬN XÉT
Chƣơng 3 sẽ trình bày và đánh giá các kết quả theo nhƣ thiết kế thí nghiệm
đã nêu trong chƣơng 2. Cụ thể kết quả sẽ gồm hai phần chính tƣơng ứng với 2 thí
nghiệm, đó là (1) nghiên cứu khả năng dự báo hạn mùa của mô hình RegCM3 với
các sơ đồ tham số hóa đối lƣu khác nhau và (2) nghiên cứu khả năng kết nối mô
hình RegCM3 với CAM-SOM.
3.1 Kết quả dự báo hạn mùa bằng mô hình RegCM3 với các tùy chọn tham
số hóa đối lưu khác nhau
3.1.1 Thời tiết, khí hậu khu vực Đông Nam Á giai đoạn 1996-2005
Trƣớc khi đánh giá các kết quả dự báo thử nghiệm từ đầu ra của mô hình
RegCM3, chúng ta cần quan tâm đến điều kiện thời tiết, khí hậu của khu vực Đông
Nam Á trong giai đoạn nghiên cứu (1996-2005). Hiện tƣợng ENSO và hoạt động
của bão là hai nhân tố ảnh hƣởng mạnh mẽ đến thời tiết, khí hậu khu vực Đông
Nam Á trong giai đoạn này.
ENSO là từ ghép đƣợc cấu tạo bởi “El Nino/Southern Oscillation (El
Nino/Dao động Nam)”, thực chất là chỉ cả 2 hai hiện tƣợng El Nino và La Nina và
có liên quan với dao động của khí áp giữa 2 bờ phía Đông Thái Bình Dƣơng với
phía Tây Thái Bình Dƣơng - Đông Ấn Độ Dƣơng gần xích đạo. “El Nino” là từ
đƣợc dùng để chỉ hiện tƣợng nóng lên dị thƣờng của lớp nƣớc biển bề mặt ở khu
vực xích đạo trung tâm và Đông Thái Bình Dƣơng, kéo dài 8 - 12 tháng, hoặc lâu
hơn, thƣờng xuất hiện 3 - 4 năm một lần, song cũng có khi dày hơn hoặc thƣa hơn.
“La Nina” là hiện tƣợng lớp nƣớc biển bề mặt ở khu vực nói trên lạnh đi dị thƣờng,
xảy ra với chu kỳ tƣơng tự hoặc thƣa hơn El Nino.
Hiện tƣợng El Nino và La Nina có ảnh hƣởng đến thời tiết, khí hậu toàn cầu
với mức độ khác nhau và rất đa dạng. Tuy nhiên, đối với từng khu vực cụ thể, vẫn
có thể xác định đƣợc những ảnh hƣởng chủ yếu có tính đặc trƣng của mỗi hiện
tƣợng nói trên [1]. Trong giai đoạn 1996-2005, đặc biệt đáng chú ý là đợt El Nino

39
mạnh năm 1997-1998 (kéo dài khoảng 15 tháng, từ tháng 4 năm 1997 đến tháng 6
năm 1998) và ngay sau đó là đợt La Nina năm 1998-2000 (từ tháng 8 năm 1998 đến
tháng 7 năm 2000). Những thời kỳ xảy ra ENSO mạnh (Hình 3.1) sẽ đƣợc chú ý
trong khi phân tích kết quả mô phỏng hoàn lƣu, nhiệt độ, độ ẩm và lƣợng mƣa của
mô hình RegCM3 tiếp sau đây.
Hình 3.1 Nino3.4 trung bình từ tháng 6 đến tháng 12 trong giai đoạn 1950 – 2007.
Về hoạt động của bão, số lƣợng các cơn bão Biển Đông tăng trong các năm
1996, 1999 và 2001 (trung bình khoảng 15 cơn bão/ 1 năm) [3]. Bão Biển Đông là
những cơn bão hình thành ngay trên Biển Đông hoặc di chuyển từ ngoài khơi Tây
Bắc Thái Bình Dƣơng vào khu vực đƣợc giới hạn bởi kinh tuyến 100o
E – 120o
E và
vĩ tuyến 0o
N – 23o
N [3]. Trong khi đó, năm 1997 lại đánh dấu một năm “ôn hòa”
với chỉ 6 cơn bão (Hình 3.2).
Hình 3.2 Tần số bão ở khu vực Biển Đông (1961 - 2007)
-2
-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
1954
1959
1964
1969
1974
1979
1984
1989
1994
1999
2004
Năm
Nino3.4
La Nina El Nino Bình thường
0
2
4
6
8
10
12
14
16
18
1961 1966 1971 1976 1981 1986 1991 1996 2001 2006Năm
Sốcơn
Tổng TB trượt 5 năm Xu thế tuyến tính

40
3.1.2 Hoàn lưu, nhiệt độ và lượng mưa từ đầu ra của RegCM3
Trong mục này, sản phẩm đầu ra của RegCM3 với thiết kế nhƣ thí nghiệm 1
(mục 2.3) sẽ đƣợc trình bày và đánh giá với các trƣờng/biến cơ bản. Xin nhắc lại là
các kết quả đƣợc chia thành 3 nhóm so sánh với nhau, ứng với các tùy chọn tham số
hóa đối lƣu đƣợc sử dụng khi chạy RegCM3, cụ thể là Reg_Kuo, Reg_Emanuel và
Reg_Grell. Trƣớc tiên, trƣờng độ cao địa thế vị, trƣờng gió cũng nhƣ trƣờng khí áp
mực biển sẽ đƣợc so sánh với miền phân tích đƣợc giới hạn từ 5o
N đến 25o
N và
100o
E đến 120o
E. Miền phân tích đƣợc giới hạn nhỏ hơn miền thiết kế thí nghiệm,
bao quanh khu vực Việt Nam, giúp cho việc tập trung đánh giá hiệu quả hơn. Tiếp
theo đó, trƣờng nhiệt độ mực 2m và lƣợng mƣa cũng sẽ đƣợc phân tích không chỉ
trên khu vực Việt Nam mà còn đƣợc đƣa về các điểm trạm. Các trạm cũng đƣợc
chia theo 7 vùng khí hậu của Việt Nam để đánh giá theo dạng đồ thị tụ điểm. Cuối
cùng, profile thẳng đứng của nhiệt độ và độ ẩm, cùng với biểu đồ dạng Hovmoller
đƣợc sử dụng để làm rõ một số điểm khác biệt giữa các kết quả.
Trƣờng gió và trƣờng độ cao địa thế vị sẽ đƣợc đánh giá trƣớc tiên. Các hình
từ 3.3 đến 3.5 thể hiện trƣờng vectơ gió và trƣờng độ cao địa thế vị các mực 850,
500, 200 mb trung bình trong giai đoạn 1996-2005 của các tháng 4, 7, 10 từ đầu ra
của các thí nghiệm (Reg_Kuo, Reg_Emanuel, Reg_Grell) đƣợc so sánh với số liệu
tái phân tích (NNRP2). Vectơ gió đơn vị mực 200 mb là 20 m/s còn 2 mực còn lại
là 10 m/s, đƣợc thể hiện bằng vectơ màu đen trên nền độ cao địa thế vị thể hiện
bằng màu, theo thang bên dƣới. So sánh với trƣờng tái phân tích, một điều dễ nhận
thấy là mô hình RegCM3, dù với sơ đồ tham số hóa đối lƣu nào, cũng tái tạo tốt
hình thế trƣờng độ cao địa thế vị và trƣờng gió. Sự sai khác tồn tại chủ yếu là độ lớn
trƣờng độ cao, nhƣng cũng chỉ khoảng 5 mb. Xét chung cả 3 mực đƣợc đánh giá,
Reg_Kuo cho trƣờng “mạnh” hơn trong khi Reg_Emanuel tái tạo trƣờng “yếu” hơn,
do vậy, Reg_Grell với kết quả “vừa phải” đƣợc cho là kết quả tốt nhất. Trƣờng gió
trên diện của miền phân tích đƣợc mô phỏng tốt nhƣng nếu xét riêng cho khu vực
Việt Nam thì có một số trƣờng hợp sai khác lớn về hƣớng.

41
Cụ thể, xét ở mực 850 mb, nhìn chung kết quả mô phỏng hạn mùa của cả 3
thí nghiệm đều khá tƣơng đồng với số liệu tái phân tích, trong đó Reg_Grell và
Reg_Emanuel tái tạo trƣờng độ cao địa thế vị là tốt nhất. Điều này có thể nhận thấy
ở cả 3 tháng, với tháng 4 và tháng 10 là rõ nét nhất. Trong tháng 4, Reg_Kuo cho
mô phỏng cao hơn khoảng 5mb trên khu vực khá rộng ở phía Đông Bắc miền phân
tích. Do đó, sự lấn sâu của lƣỡi áp cao về phía khu vực Việt Nam đƣợc gia tăng
trong Reg_Kuo. Tuy vậy, Reg_Emanuel lại cho trƣờng gió ở miền nam Việt Nam
kém hơn so với 2 thí nghiệm còn lại trong tháng này. Trong tháng 7, Reg_Kuo cũng
cho kết quả mô phỏng cao hơn khoảng 5mb nhƣng chủ yếu ở phía nam miền phân
tích trong khi Reg_Emanuel lại cho kết quả thấp hơn ở phía Tây Bắc miền phân tích
với trƣờng gió mạnh hơn so với NNRP khá nhiều. Đáng chú ý là nếu chỉ xét riêng
cho khu vực Việt Nam thì trƣờng gió của Reg_Grell trong tháng này có kết quả mô
phỏng tốt nhất. Đến tháng 10, đồng thời cả Reg_Kuo và Reg_Grell đều cho trƣờng
độ cao lớn hơn khoảng 5mb ở phía nam miền, cho thấy sự lấn xuống rộng hơn của
hệ thống áp cao. Cũng nhƣ tháng 4, Reg_Emanuel mô phỏng trƣờng độ cao địa thế
vị tốt hơn nhƣng lại tái tạo trƣờng gió kém hơn Reg_Grell cả về hƣớng và độ lớn
trong trƣờng hợp này.
Lên đến mực 500 mb, mô phỏng của cả 3 thí nghiệm vẫn cho kết quả tốt khi
so sánh với số liệu tái phân tích, ở mực này Reg_Grell cho mô phỏng tốt hơn cả. Có
thể nhận thấy trong tháng 4, trƣờng độ cao của Reg_Kuo và Reg_Grell sát với
NNRP hơn, trong khi Reg_Emanuel cho mô phỏng thấp ở phía Tây miền phân tích.
Trƣờng gió của Reg_Grell là hợp lý hơn cả, tuy vẫn cao hơn về độ lớn. Đến tháng
7, Reg_Grell tiếp tục cho kết quả mô phỏng trƣờng gió tốt hơn, trong khi trƣờng độ
cao của Reg_Emanuel lại kém nhất. Và đến tháng 10, trong khi trƣờng gió mô
phỏng của các thí nghiệm không khác nhau nhiều và rất sát với số liệu tái phân tích
thì trƣờng độ cao lại cho thấy sự mô phỏng tốt hơn cả của Reg_Grell (đặc biệt nếu
chú ý riêng khu vực Việt Nam).

42
Reg_Kuo Reg_Grell Reg_Emanuel NNRP2
7, 10 (trên xuống dƣới) của các thí nghiệm so sánh với số liệu NNRP2

43
Cuối cùng, ở mực 200 mb, khả năng mô phỏng hạn mùa của các thí nghiệm
vẫn cho kết quả tốt và sự khác biệt giữa các thí nghiệm là không nhiều. Trong tháng
4, cả 3 thí nghiệm cho kết quả tái tạo gần nhƣ tƣơng tự nhau cả trƣờng độ cao và
trƣờng gió, và đều mô phỏng trƣờng độ cao bị thấp hơn ở phía Đông nam miền
phân tích. Và tháng 7 đánh dấu kết quả mô phỏng trƣờng độ cao khá tốt của

44
Reg_Emanuel dẫn đến trƣờng gió của Reg_Emanuel sát với số liệu tái phân tích
hơn cả. Kết quả của tháng 10 cho sự tái tạo trƣờng gió tốt ở tất cả các thí nghiệm
nhƣng trƣờng độ cao đều thấp hơn ở khoảng giữa miền phân tích, dải cắt ngang qua
miền trung Việt Nam.

45
Khi so sánh giữa các thí nghiệm, trƣờng khí áp mực biển cũng cho thấy sự
mô phỏng hạn mùa tốt của RegCM3, đặc biệt là Reg_Emanuel. Hình 3.6 thể hiện
trƣờng khí áp mực biển trung bình giai đoạn 1996-2005 của các tháng 4, 7, 10 từ
đầu ra của các thí nghiệm (Reg_Kuo, Reg_Emanuel, Reg_Grell) đƣợc so sánh với
số liệu tái phân tích (NNRP2). Nhìn chung, các thí nghiệm đều mô phỏng tốt hình
Hình 3.6 Trƣờng khí áp mực biển trung bình các tháng 4, 7, 10 (trên xuống dƣới)
của các thí nghiệm so sánh với số liệu NNRP2

46
thế phân bố khí áp mực biển trong các tháng, tuy về giá trị lớn hơn khoảng 2mb
trong đa phần các trƣờng hợp. Reg_Emanuel cho kết quả mô phỏng sát với số liệu
tái phân tích nhất vào tháng 4 và tháng 10. Trong khi đó, Reg_Kuo và Reg_Grell
cho giá trị khí áp lớn hơn ở hầu nhƣ trên toàn miền phân tích trong tất cả các trƣờng
hợp.
Tiếp theo, hai biến cơ bản khi đánh giá dự báo hạn mùa là nhiệt độ mực 2m
và lƣợng mƣa trung bình tháng sẽ đƣợc phân tích sau đây. Trƣờng nhiệt độ mực 2m
và lƣợng mƣa trung bình các tháng 5-10 trong giai đoạn 1996-2005 của các thí
nghiệm (Reg_Kuo, Reg_Grell, Reg_Emanuel) so sánh với số liệu CRU đƣợc thể
hiện trong hình 3.7 và 3.8. Mô phỏng nhiệt độ mực 2m của cả 3 thí nghiệm nhìn
chung nắm bắt đƣợc phân bố nhiệt độ trên khu vực Việt Nam nhƣng đều cho giá trị
cao hơn số liệu CRU khoảng 1o
C. Điều này có thể thấy rõ ở các vùng khí hậu B2,
B4, N1 và N3. Riêng vùng có địa hình cao nhƣ B1 và N2, nhiệt độ mô phỏng của
Reg_Grell và Reg_Emanuel cho kết quả tốt hơn Reg_Kuo.
Reg_Kuo Reg_Grell Reg_Emanuel CRU
2005 của các thí nghiệm so sánh với số liệu CRU

47
Kết quả mô phỏng lƣợng mƣa lại cho sự khác biệt lớn giữa các thí nghiệm,
nhìn chung thì Reg_Grell mô phỏng cho khu vực Việt Nam là gần với số liệu CRU
nhất. Bên cạnh đó, Reg_Kuo cho mô phỏng khô hơn (thấp hơn khoảng 50-100 mm)
còn Reg_Emanuel mô phỏng lƣợng mƣa vƣợt quá rất nhiều (từ 100 đến 200 mm).
Xét riêng từng vùng khí hậu của Việt Nam thì khu vực B4 đƣợc mô phỏng trong
Reg_Grell là tốt hơn cả. Phân bố mƣa của Reg_Grell cũng cho kết quả tƣơng đồng
với CRU tốt nhất. Nhƣ vậy, trong khi nhiệt độ mực 2m đƣợc mô phỏng hạn mùa tốt
ở cả 3 thí nghiệm thì lƣợng mƣa trung bình đánh dấu sự mô phỏng sai khác nhiều so
với số liệu CRU, và nếu xét trên toàn khu vực Việt Nam thì Reg_Grell có kết quả
khả quan nhất.
Reg_Kuo Reg_Grell Reg_Emanuel CRU
thí nghiệm so sánh với số liệu CRU
Để thấy rõ hơn khả năng dự báo hạn mùa trong các thí nghiệm, nhiệt độ mực
2m và lƣợng mƣa trung bình các tháng 5-10 trong giai đoạn 1996-2005 của các thí
nghiệm (Reg_Kuo, Reg_Grell, Reg_Emanuel) đƣợc nội suy về trạm và so sánh với
số liệu quan trắc tại 48 trạm (hình 3.9 và 3.10). Nguồn số liệu quan trắc tại trạm cho
ta cái nhìn cụ thể hơn để đánh giá tính ứng dụng của sản phẩm dự báo từ RegCM3.
Một cách tổng quát, nhiệt độ 2m mô phỏng bởi 3 thí nghiệm nhìn chung xấp xỉ và

48
thấp hơn số liệu quan trắc tại trạm, từ 1o
C đến 2o
C. Các trạm thuộc khu vực B1 và
B4 cho kết quả mô phỏng thấp hơn quan trắc rõ rệt hơn cả. Bên cạnh đó các trạm
đặc biệt nhƣ Sapa, Đà Lạt kết quả mô phỏng lại cao hơn quan trắc, khoảng 2o
C. So
sánh giữa các thí nghiệm, Reg_Kuo cho giá trị mô phỏng cao hơn 2 thí nghiệm còn
lại và Reg_Grell cho mô phỏng thấp hơn cả. Khu vực đồng bằng nhƣ B3 và N3 có
kết quả mô phỏng gần với giá trị quan trắc nhất.
2005 của các thí nghiệm so sánh với số liệu quan trắc tại 48 trạm
Khác với nhiệt độ mực 2m, lƣợng mƣa mô phỏng hạn mùa bởi 3 thí nghiệm
khi so sánh với số liệu quan trắc cho thấy sự khác biệt lớn khi thay đổi việc sử dụng
các sơ đồ đối lƣu. Trong đó, Reg_Emanuel mô phỏng dƣờng nhƣ gần với số liệu
quan trắc nhất, còn Reg_Kuo và Reg_Grell cho mô phỏng thấp hơn hẳn, đặc biệt là
Reg_Kuo. Các thí nghiệm không mô phỏng tốt lƣợng mƣa quá lớn ở tâm mƣa Bắc
Quang. Nhƣ vậy, cũng nhƣ khi đánh giá theo diện và so sánh với số liệu CRU, khi
so sánh với số liệu tại trạm cũng cho thấy sự mô phỏng không tốt về lƣợng mƣa
trung bình của các thí nghiệm.
0
5
10
15
20
25
30
35
DIENBIEN
LAICHAU
MOCCHAU
SONLA
HAGIANG
THAINGUYEN
TUYENQUANG
YENBAI
BACQUANG
LANGSON
SAPA
BAICHAY
COTO
BACHLONGVI
HANOI
HOABINH
NAMDINH
NINHBINH
PHULIEN
DONGHA
DONGHOI
HATINH
HOIXUAN
HUE
HUONGKHE
NAMDONG
THANHHOA
TUONGDUONG
VINH
BATO
DANANG
NHATRANG
PHANTHIET
PHUQUY
QUYNHON
TRAMY
TUYHOA
AYUNPA
BUONMATHUOT
BAOLOC
DALAT
KONTUM
PLAYCU
CAMAU
CANTHO
CONDAO
RACHGIA
VUNGTAU
Trạm
T2m (o
C)
Reg_Kuo Reg_Grell Reg_Emanuel OBS

49
thí nghiệm so sánh với số liệu quan trắc tại 48 trạm
Tiếp tục khai thác nguồn số liệu tại điểm trạm, đồ thị tụ điểm đƣợc sử dụng
để đánh giá sai số mô phỏng của 3 thí nghiệm khi so sánh với số liệu quan trắc tại
48 trạm với 2 biến là nhiệt độ mực 2m (Hình 3.11a) và lƣợng mƣa (Hình 3.11b).
Lƣu ý là đối với đánh giá lƣợng mƣa, trạm Bắc Quang với lƣợng mƣa quá lớn đƣợc
bỏ ra không đánh giá ở đây. Đồ thị có trục hoành là giá trị quan trắc và trục tung là
giá trị mô phỏng của các thí nghiệm. Các trạm đƣợc đánh dấu phân biệt giữa 7 vùng
khí hậu, với các trạm thuộc miền Bắc (B1, B2, B3, B4) có màu xanh và các trạm
thuộc miền Nam (N1, N2, N3) có màu đỏ. Với đồ thị này, kết quả dự báo thấp hơn
so với quan trắc của biến nhiệt độ và kết quả không tốt với biến lƣợng mƣa đƣợc chỉ
ra khá rõ nét. Kết quả cũng không cho sự khác biệt nào đáng kể khi so sánh giữa các
trạm miền bắc và miền nam Việt Nam.
Về biến nhiệt độ mực 2m, cả 3 thí nghiệm đều cho mô phỏng hạn mùa thấp
hơn quan trắc ở hầu hết các trạm, ngoài một số trạm thuộc B2 và N2. Các trạm có
giá trị mô phỏng tốt nằm ở các vùng B3, N1 và N3. Riêng vùng B1, cả 3 thí nghiệm
đều không nắm bắt đƣợc sự khác biệt giữa các trạm trong vùng (dao động từ 22 đến
26o
C) mà đều mô phỏng với giá trị khoảng 22-23o
C. Nhìn chung, sai số dự báo nằm
chủ yếu trong khoảng 2o
C. Các trạm có giá trị nhiệt độ quan trắc thấp (nhƣ Sapa, Đà
Lạt) cả 3 thí nghiệm đều cho mô phỏng cao hơn. So sánh giữa 3 thí nghiệm cho
thấy sự khác biệt không đáng kể, chỉ khác biệt lớn khi dự báo ngƣỡng nhiệt độ lớn
0
200
400
600
800
DIENBIEN
LAICHAU
MOCCHAU
SONLA
HAGIANG
THAINGUYEN
TUYENQUANG
YENBAI
BACQUANG
LANGSON
SAPA
BAICHAY
COTO
BACHLONGVI
HANOI
HOABINH
NAMDINH
NINHBINH
PHULIEN
DONGHA
DONGHOI
HATINH
HOIXUAN
HUE
HUONGKHE
NAMDONG
THANHHOA
TUONGDUONG
VINH
BATO
DANANG
NHATRANG
PHANTHIET
PHUQUY
QUYNHON
TRAMY
TUYHOA
AYUNPA
BUONMATHUOT
BAOLOC
DALAT
KONTUM
PLAYCU
CAMAU
CANTHO
CONDAO
RACHGIA
VUNGTAU
Trạm
Tpr (mm)
Reg_Kuo Reg_Grell Reg_Emanuel OBS

50
hơn 26o
C, giá trị mô phỏng của Reg_Emanuel lớn hơn khoảng 2o
C so với Reg_Kuo
và Reg_Grell.
a. b.

51
Hình 3.11 Đồ thị tụ điểm đánh giá sai số mô phỏng nhiệt độ mực 2m (a) và lƣợng
mƣa (b) của 3 thí nghiệm so với số liệu quan trắc tại 48 trạm.
Về biến lƣợng mƣa, Reg_Emanuel cho dự báo tốt hơn Reg_Kuo và
Reg_Grell, tuy sai số vẫn còn lớn. Reg_Kuo và Reg_Grell cho mô phỏng thấp hơn
quan trắc ở tất cả các trạm, trong khi ở trƣờng hợp Reg_Emanuel điểm biểu diễn
các trạm tập trung quanh đƣờng 1:1 tốt hơn cho thấy mô phỏng “gần” với quan trắc
hơn. Reg_Emanuel cũng có sai số nằm trong khoảng 100 mm là chủ yếu, trong khi
Reg_Kuo và Reg_Grell sai số có thể lên đến 200-300 mm. Reg_Kuo cho mô phỏng
thấp, dao động quanh 50 mm, trong khi Reg_Grell cao hơn là khoảng 100 mm.
Reg_Emanuel cho mô phỏng lƣợng mƣa các trạm miền bắc tốt hơn các trạm miền
nam.
a. b.
Hình 3.12 Profile thẳng đứng của độ ẩm tuyệt đối (a) và nhiệt độ (b) trung bình từ
tháng 5-10 giai đoạn 1996-2005 của các thí nghiệm.
Kết hợp thông tin từ các mực độ cao khác nhau, profile thẳng đứng của nhiệt
độ và độ ẩm tuyệt đối đƣợc thể hiện trong hình 3.12. Độ ẩm tuyệt đối và nhiệt độ

52
đƣợc tính trung bình các tháng từ 5 đến 10 giai đoạn 1996-2005 của các thí nghiệm.
Miền tính trung bình đƣợc lấy từ 8o
N đến 24o
N và 102o
E đến 110o
E, bao quanh vừa
trọn vẹn khu vực Việt Nam. Về cơ bản, sự khác biệt về độ ẩm tuyệt đối giữa các thí
nghiệm có thể nhận thấy đƣợc, trong khi sự khác biệt về nhiệt độ là không đáng kể.
Qua hình vẽ, ta nhận thấy profile nhiệt độ thẳng đứng chênh lệch rất nhỏ giữa các
trƣờng hợp. Chênh lệch, tuy nhỏ, chủ yếu giữa Reg_Emanuel với 2 trƣờng hợp còn
lại và ở dƣới mực 700 mb. Ở trên mực 300 mb, profile của 3 thí nghiệm dƣờng nhƣ
đồng nhất. Điều này cũng xảy ra với độ ẩm tuyệt đối, trên 300 mb các thí nghiệm
gần nhƣ trùng khít profile, nhƣng dƣới 300 mb, frofile của độ ẩm tuyệt đối có sự
khác biệt lớn hơn rõ rệt. Trong đó, khoảng từ 800 mb đến 300 mb có sự khác biệt
lớn nhất. Khoảng từ 1000 mb đến 850 mb, profile của Reg_Kuo và Reg_Grell gần
nhƣ giống nhau. Trong khoảng này, độ ẩm tuyệt đối của Reg_Emanuel giảm nhanh
hơn một chút so với Reg_Kuo và Reg_Grell. Nhìn chung, Reg_Emanuel cho độ ẩm
tuyệt đối lớn hơn 2 thí nghiệm còn lại ở tất cả các mực, còn Reg_Grell là thấp nhất.
Cuối cùng nhƣng không kém phần đáng chú ý, biểu đồ dạng Hovmoller biểu
diễn trung bình trƣợt 5 ngày của nhiệt độ và lƣợng mƣa tiến triển theo các tháng từ
tháng 5 đến tháng 10 trung bình giai đoạn 1996-2005 của 3 thí nghiệm đƣợc chỉ ra
trong hình 3.13. Giá trị đƣợc đánh giá từ 8o
N đến 24o
N, trải dài theo khu vực Việt
Nam từ miền nam ra miền bắc, và lấy trung bình từ 102o
E đến 100o
E. Nhìn chung,
Reg_Kuo và Reg_Emanuel mô phỏng trƣờng nhiệt phát triển qua các tháng lớn hơn
so với Reg_Grell, rõ nét ở miền nam (vĩ độ dƣới 10o
N). Sự khác biệt cũng nhận
thấy rõ ở khoảng vĩ độ 16o
N-18o
N và 20o
N-22o
N. Từ tháng 5 đến tháng 8, sự khác
biệt giữa các thí nghiệm cũng lớn hơn và rõ nét hơn khoảng từ tháng 9 đến tháng
10. Với lƣợng mƣa, sự chênh lệch giữa các thí nghiệm là rất rõ nét. Trong khi
Reg_Kuo cho thấy sự phát triển của lƣợng mƣa trung bình trƣợt 5 ngày nhỏ (khoảng
5-10 mm) và Reg_Grell cũng chỉ thấy lớn hơn một chút (khoảng 15 mm) vào
khoảng sau tháng 7, thì Reg_Emanuel cho thấy lƣợng mƣa lớn ngay từ đầu tháng 6.
Trong trƣờng hợp của Reg_Emanuel, đặc biệt chú ý dải vĩ độ 18o
N đến 20o
N vào
các tháng 8, 9 có lƣợng mƣa lớn đáng kể (45 mm). Nhƣ vậy, một cách tổng quát có

Luận văn: Ứng dụng mô hình khí hậu khu vực dự báo hạn mùa

Luận văn: Ứng dụng mô hình khí hậu khu vực dự báo hạn mùa

Recommended

Recommended

More Related Content

What's hot

What's hot (16)

Similar to Luận văn: Ứng dụng mô hình khí hậu khu vực dự báo hạn mùa

Similar to Luận văn: Ứng dụng mô hình khí hậu khu vực dự báo hạn mùa (20)

More from Dịch vụ viết bài trọn gói ZALO: 0909232620

More from Dịch vụ viết bài trọn gói ZALO: 0909232620 (20)

Recently uploaded

Recently uploaded (20)

Luận văn: Ứng dụng mô hình khí hậu khu vực dự báo hạn mùa