- HIỆU CHỈNH DỮ LIỆU MƯA TỪ MÔ HÌNH MÔ PHỎNG KHÍ HẬU KHU VỰC CHO VÙNG ĐỒNG BẰNG SÔNG CỬU LONG. - Mô hình khí hậu toàn cầu (GCM), một mô hình mô phỏng khí hậu với độ phân giải không gian rộng lớn từ 250 đến 600 km 2 , được sử dụng để nghiên cứu sự thay đổi của khí hậu toàn cầu. - Tuy nhiên, dữ liệu mưa mô phỏng từ RCM vẫn còn sai lệch đáng kể so với thực tế, đặc biệt là khi RCM được ứng dụng để mô phỏng một phạm vi rộng lớn của địa hình (ví dụ: miền núi và hệ thống đồng bằng).. - Việc hiệu chỉnh lượng mưa mô phỏng từ RCM phù hợp với số liệu thực đo là một vấn đề quan trọng nhằm hỗ trợ cho công tác xây dựng các chính sách liên quan đến phát triển kinh tế - xã hội của khu vực. - Để giải quyết vấn đề này, chúng tôi áp dụng phương pháp cắt và điều chỉnh dần từ số liệu mô phỏng dựa trên các mối quan hệ với số liệu quan sát để điều chỉnh kết quả mô phỏng. - Phương pháp này làm giảm sai số giữa số liệu mô phỏng và thực đo trong quá khứ và được áp dụng để dự đoán thay đổi lượng mưa trong tương lai ở đồng bằng sông Cửu Long, Việt Nam.. - Mô hình khí hậu toàn cầu (Global Climate Model - GCM) là mô hình mô phỏng và dự báo khí hậu được thực hiện bằng cách kết hợp các nguyên lý vật lý, hóa học, và sinh học vào trong một mô hình toán nhằm mô phỏng và dự đoán khí hậu ở cấp toàn cầu (Phan Văn Tân et al., 2008). - Mặc dù kết quả mô phỏng do các mô hình GCM không đủ chi tiết (độ phân giải không gian 250-600 km) và chính xác (ở từng khu vực riêng lẻ) để mô phỏng khí hậu cho vùng không gian hẹp (trong phạm vi vài chục km) nhưng kết quả của các GCM có thể được sử dụng làm đầu vào cho các mô hình khí hậu khu vực (Regional Climate Model - RCM) (Hashmi et al., 2009). - Với chức năng thu hẹp không gian mô phỏng khí hậu, mô hình RCM đơn giản chỉ là một quá trình chuyển đổi độ phân giải không gian của GCM thành độ phân giải không gian với độ phân giải cao hơn bằng cách sử dụng các giá trị đầu ra của GCM (Maraun et al., 2010).. - Hiện nay trên thế giới đã có khá nhiều nghiên cứu về việc thu hẹp không gian mô phỏng từ mô hình khí hậu toàn cầu, ví dụ như:. - (2003) sử dụng lượng mưa ở Na Uy từ mô hình ERA-15 và giá trị mưa quan sát bình quân hàng tháng (trong giai đoạn để xây dựng phương pháp hiệu chỉnh mưa mô phỏng;. - (2010) đã phát triển một kỹ thuật tính toán mới (thuật toán PMFred) để phát hiện và hiệu chỉnh sự thay đổi trong chuỗi số liệu mưa hàng ngày;. - (2008) đã nghiên cứu khả năng ứng dụng của mô hình RegCM vào dự đoán mùa trên bề mặt lãnh thổ Việt Nam, bằng việc nghiên cứu thử nghiệm mô phỏng khí hậu khu vực Việt Nam và Đông Nam Á để tìm ra điều kiện cần và đủ để áp dụng vào việc dự báo.. - Tuy nhiên, việc sử dụng các mô hình RCM vào dự báo khí hậu tương lai vẫn còn hạn chế và chỉ ở mức độ thử nghiệm, các công trình nghiên cứu hiện nay chủ yếu tập trung vào khảo sát độ nhạy, đặc biệt là độ nhạy của các sơ đồ tham số đối lưu, nhằm đánh giá khả năng mô phỏng của các RCM (Phan Văn Tân, 2010). - Do sử dụng đầu vào từ các GCM làm điều kiện biên để thu hẹp không gian mô phỏng nên các RCM vẫn còn nhiều sai số và chưa đảm bảo khả năng phản ánh chính xác diễn biến khí hậu cho các khu vực nhỏ hơn (Maraun et al., 2010. - Trong bài báo này, phương pháp cắt số liệu và điều chỉnh đúng dần từ số liệu đầu ra của mô hình mô phỏng khí hậu PRECIS được chúng tôi thực hiện (bằng cách (i) cắt bỏ các ngày mưa mô phỏng và (ii) điều chỉnh giá trị mô phỏng của mưa trung bình năm) nhằm điều chỉnh lượng mưa mô phỏng về gần với lượng mưa đo đạc thực tế. - Phương pháp hiệu chỉnh sau khi được kiểm định sẽ được áp dụng để hiệu chỉnh lượng mưa được mô phỏng trong tương lai nhằm dự báo tổng quan về sự biến động của mưa dưới tác động của biến đổi khí hậu.. - 2 PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Thu thập số liệu. - Số liệu quan sát thực tế tại các trạm quan trắc mưa ở các tỉnh thuộc khu vực đồng bằng sông Cửu Long (ĐBSCL) được tổng hợp từ lượng mưa 172 trạm thời tiết tại Việt Nam phiên bản 1.0 (Thomas et al., 2010). - Ngoài ra, các số liệu mô phỏng được xuất ra từ mô hình PRECIS tại các tọa độ tương ứng với các trạm quan trắc thực tế và được cung cấp bởi trung tâm SEA START (http://www.start.or.th/) với 2,225 ô lưới bao phủ. - 2.2 Phân tích số liệu Chọn số liệu hiệu chỉnh. - Phương pháp hiệu chỉnh số liệu mưa từ mô hình mô phỏng được sử dụng trong bài báo là phương pháp chung nên có thể áp dụng hiệu chỉnh cho nhiều trạm khác nhau ở ĐBSCL. - Do vậy, số liệu dùng cho quá trình tính toán hiệu chỉnh được chọn ngẫu nhiên tại trạm quan trắc Cần Thơ, thời gian từ năm 1980-2003 và số liệu mô phỏng tương ứng tại vĩ độ và kinh độ điểm 10 x 105.8. - Số ngày trong năm của số liệu thực đo ghi nhận (365 ngày/năm) chênh lệch với số ngày của số liệu mô phỏng (360 ngày/năm). - Vì vậy, chọn 360 ngày/năm của số liệu thực đo tương ứng với số liệu mô phỏng trong quá trình tính toán. - Khử nhiễu số liệu. - Số liệu mưa quan sát từ các trạm quan trắc đo được giá trị mưa nhỏ nhất là 0.1 mm, trong khi đó, số liệu mưa từ mô hình mô phỏng có giá trị nhỏ hơn 0.1 mm. - Do vậy, việc khử nhiễu số liệu trước khi tính toán các bước kế tiếp bằng cách loại bỏ các số liệu mưa mô phỏng có giá trị nhỏ hơn 0.1 mm là cần thiết.. - Kiểm tra và cắt số ngày mưa mô phỏng về gần lượng mưa thực đo. - So sánh số ngày mưa mô phỏng và ngày mưa thực đo, cho thấy là số ngày mưa mô phỏng lớn hơn nhiều so với thực đo. - do vậy, việc cắt số ngày mô phỏng có mưa cần được thực hiện nhằm đưa số ngày mưa mô phỏng về gần với thực đo. - Chuỗi số liệu được xếp theo thứ tự từ ngày thứ nhất của năm bắt đầu đến ngày cuối cùng của năm kết thúc (giai đoạn 8 năm) giữa số liệu mô phỏng và thực đo. - Do một lần cắt (số ngày mưa) đã không cắt hết số ngày mưa mô phỏng về thực đo nên quá trình cắt được lặp lại nhiều lần nhằm đảm bảo số ngày mưa mô. - Chuỗi số liệu mô phỏng được cập nhật lại sau khi đã cắt các ngày mưa, giá trị của các ngày mưa bị cắt được đưa về giá trị 0. - Việc cắt số liệu dựa vào công thức (2) sẽ làm số ngày được cắt phân bố đều trong chuỗi số liệu và không làm thay đổi vị trí, thứ tự của các ngày mưa trong chuỗi dữ liệu.. - M s : Tổng số ngày mưa giai đoạn mô phỏng (8 năm). - O b : Tổng số ngày mưa giai đoạn thực đo (8 năm). - Trong chuỗi số liệu các ngày thứ Y i, 2Y i , 3Y i. - sẽ bị cắt bỏ đến hết chuỗi số liệu (8 năm) trong mỗi lần cắt 2.3 Điều chỉnh lượng mưa. - Lượng mưa từ mô hình mô phỏng còn chênh lệch đáng kể so với lượng mưa quan sát. - do vậy, cần phải điều chỉnh lượng mưa mô phỏng về tương ứng với thực đo. - Quá trình điều chỉnh được thực hiện theo công thức (3), bằng cách tính trung bình nhiều lần giữa lượng mưa trung bình của một giai đoạn mô phỏng và thực đo đến khi sai số giữa lượng mưa trung bình của giai đoạn thực đo và mô phỏng nhỏ hơn 0.05.. - D m : Giá giá trị trung bình của giai đoạn mô phỏng đã cắt.. - Trong giai đoạn kiểm định, số liệu mô phỏng của giai đoạn hiệu chỉnh được thay bằng số liệu mô phỏng của giai đoạn kiểm định. - Ở công thức (3) giá trị D 0 được thay bằng giá trị D n và giá trị D n này được sử dụng cho các giai đoạn kiểm định và cho hiệu chỉnh số liệu mô phỏng tương lai. - Sử dụng kết quả số ngày bị cắt (Y) ở công thức (2) và giá trị số lần điều chỉnh (n) ở công thức (3) của giai đoạn điều chỉnh để hiệu chỉnh cho các giai đoạn kiểm định và cho tương lai. - 3 KẾT QUẢ VÀ THẢO LUẬN 3.1 Phân tích xử lý số liệu. - Kiểm tra tỉ số giữa số ngày mô phỏng có mưa. - Tỉ số giữa số ngày mô phỏng có mưa và số ngày quan sát có mưa biến động không lớn qua các giai đoạn khác nhau, số ngày mô phỏng có mưa luôn lớn hơn số ngày quan sát có mưa (x >. - Bảng 2: Tỉ số giữa số ngày mô phỏng có mưa và số ngày quan sát có mưa. - Cắt số liệu mưa. - Bảng 3: Số lần cắt số liệu mưa mô phỏng giai đoạn . - 3.2 Điều chỉnh lượng mưa. - Phương pháp hiệu chỉnh đã điều chỉnh lượng mưa từ mô hình mô phỏng tương ứng với thực đo (n = 6, D 0 – D n ≈ 0.04 <. - Phương pháp hiệu chỉnh đã điều chỉnh các giá trị số liệu mô phỏng như: trung bình, độ lệch chuẩn, lượng mưa lớn nhất, tổng lượng mưa về tương ứng với giá trị số. - liệu thực đo (Bảng 4). - Ngoài các giá trị trên, phương pháp này còn điều chỉnh tần suất mưa của số liệu mưa mô phỏng về gần với số liệu thực đo (Bảng 5) và điều chỉnh đường xu hướng số liệu giữa mô phỏng và thực đo gần với đường chuẩn (Hình 2). - Phương pháp hiệu chỉnh đã cho kết quả số liệu đầu ra tương đối gần với số liệu quan sát (Hình 1 (a) và (b) và Hình 2 (a) và (b)).. - Bảng 4: Kết quả hiệu chỉnh số liệu mưa trung bình 10 ngày giai đoạn . - Thực_Đo . - Mô_Phỏng . - Hiệu_Chỉnh . - Hình 1: (a) Giá trị thực đo và mô phỏng, (b) Giá trị thực đo và hiệu chỉnh giai đoạn . - Hình 2: (a) Giá trị thực đo và mô phỏng, (b) Giá trị thực đo và hiệu chỉnh giai đoạn Kiểm định. - 3.3.1 Giai đoạn . - Kết quả sau khi hiệu chỉnh cho thấy giá trị trung bình độ lệch chuẩn lớn hơn giá trị quan sát về trung bình và tổng lượng mưa so với kết quả thực đo. - tuy nhiên, phương pháp hiệu chỉnh đã cho ra kết quả tốt hơn so với kết quả mô phỏng (Bảng 6).. - Tần suất mưa mô phỏng ở cấp từ 50.1-100 mm và cấp >. - Phương pháp hiệu chỉnh đã điều chỉnh lại các giá trị như: trung bình, độ lệch chuẩn, lượng mưa lớn nhất, tổng lượng mưa và tần suất mưa từ số liệu mưa mô phỏng về gần với số liệu mưa thực đo. - Bên cạnh đó, phương pháp hiệu chỉnh còn điều chỉnh đường xu hướng số liệu của mô phỏng so với số liệu thực đo gần với đường chuẩn (y = x) (Hình 3 (a) và (b), Hình 4(a) và (b)).. - Bảng 6: Kết quả hiệu chỉnh số liệu mưa trung bình 10 ngày giai đoạn . - Hình 3: (a) Giá trị thực đo và mô phỏng, (b) Giá trị thực đo và hiệu chỉnh giai đoạn . - Hình 4: (a) Giá trị thực đo và mô phỏng, (b) Giá trị thực đo và hiệu chỉnh giai đoạn Bảng 7: Tần suất mưa (ngày) giai đoạn . - 3.3.2 Giai đoạn . - Tương tự giai đoạn kiểm định phương pháp hiệu chỉnh đã điều chỉnh các giá trị của số liệu mô phỏng giai đoạn như:. - Tần suất mưa mô phỏng ở cấp độ từ 50.1-00 mm và cấp độ >100 mm không xuất hiện. - Phương pháp hiệu chỉnh còn điều chỉnh đường xu hướng của số liệu mô phỏng so với số liệu thực đo về gần với đường chuẩn (y = x) (Hình 5 (a) và (b), Hình 6 (a) và (b)).. - Bảng 8: Kết quả hiệu chỉnh số liệu mưa trung bình 10 ngày giai đoạn . - Hình 5: (a) Giá trị thực đo và mô phỏng, (b) Giá trị thực đo và hiệu chỉnh giai đoạn Bảng 9: Tần suất mưa (ngày) giai đoạn . - Hình 6: (a) Giá trị thực đo và mô phỏng, (b) Giá trị thực đo và hiệu chỉnh giai đoạn Kiểm tra đường xu hướng. - Ngoài việc hiệu chỉnh các giá trị như: lượng mưa trung bình năm, độ lệch chuẩn, lượng mưa lớn nhất, tổng lượng mưa và tần suất mưa, phương pháp này còn hiệu chỉnh tốt đường xu hướng của số liệu mưa mô phỏng (Hình 7). - của số liệu mưa mô phỏng (hệ số góc α = 0.0008) thấp hơn so với thực đo (hệ số góc β nhưng qua phương pháp hiệu chỉnh đã điều chỉnh đường xu hướng số liệu mô phỏng gần giống với đường xu hướng của số liệu thực đo (hệ số góc µ = 0.0013).. - Hình 7: Đường xu hướng của thực đo, mô phỏng và hiệu chỉnh giai đoạn . - Qua 2 giai đoạn kiểm định và kiểm tra đường xu hướng cho thấy giá trị của số liệu mưa mô phỏng thấp hơn giá trị số liệu thực đo. - Bên cạnh đó, tần suất mưa mô phỏng chênh lệch đáng kể so với số liệu mưa quan sát, lượng mưa mô phỏng hầu như không xuất hiện ở cấp độ mưa từ 50.1-100 mm và cấp độ >100 mm đều này phù hợp với kết quả nghiên cứu của Phan Văn Tân, (2010), số liệu mô phỏng từ các (RCM) thường thấp hơn số liệu quan sát, các kết quả từ các (RCM) còn hạn chế sử dụng làm các thông tin dự báo (như: lượng mưa, nhiệt độ) mà phải qua quá trình xử lý kết quả sau mô phỏng. - So với kết quả nghiên cứu của Skaugen (2007) chỉ xét lượng mưa trung bình tháng và độ lệch chuẩn, kết quả từ phương pháp này đã hiệu chỉnh được số ngày mưa và tần suất mưa của mô hình mô phỏng. - Giữa số liệu thực đo và mô phỏng còn chênh lệch đáng kể về lượng mưa và số ngày mưa. - tuy nhiên, sau quá trình hiệu chỉnh đã điều chỉnh giá trị số liệu. - mưa mô phỏng về gần với giá trị thực đo. - Phương pháp hiệu chỉnh cho ra kết quả tốt đã làm giảm sai số giữa kết quả số liệu mưa mô phỏng và kết quả quan sát.. - Qua 2 giai đoạn kiểm định thấy phương pháp hiệu chỉnh đã điều chỉnh số liệu mưa từ mô hình mô phỏng về gần với số liệu thực đo. - từ đó, áp dụng phương pháp hiệu chỉnh này để hiệu chỉnh số liệu mưa cho tương lai (mỗi giai đoạn 8 năm và sử dụng kết quả số lần cắt và bội số của các ngày bị cắt ở Bảng 3). - Phương pháp hiệu chỉnh đã điều chỉnh các giá trị như: trung bình năm, độ lệch chuẩn, lượng mưa lớn nhất và tổng lượng mưa từ mô hình mô phỏng (Bảng 10). - bên cạnh đó, phương pháp hiệu chỉnh này đã điều chỉnh lại tần suất mưa của mô hình mô phỏng (Hình 8 và Bảng 11).. - Bảng 10: Kết quả hiệu chỉnh số liệu mưa 10 ngày giai đoạn . - Hình 8: Kết quả hiệu chỉnh số liệu mưa mô phỏng giai đoạn . - So với số liệu thực đo, kết quả điều chỉnh mưa bằng phương pháp cắt và điều chỉnh đúng dần vẫn còn một số sai số nhất định (chưa phản ánh chính xác về giá trị mưa trong ngày) nhưng đã làm giảm sai số giữa giá trị số liệu thực đo và hiệu chỉnh.. - Phương pháp này đã cho kết quả tốt khi điều chỉnh giá trị tổng lượng mưa 10 ngày và xét đến các thông số như: tần suất mưa, lượng mưa trung bình, độ lệch chuẩn, lượng mưa lớn nhất và tổng lượng mưa từ kết quả mô phỏng so với thực đo.. - Quan trọng hơn, kết quả đầu ra của phương pháp này qua kiểm định cho thấy đã hiệu chỉnh lại số liệu mưa từ mô hình mô phỏng (như: tần suất mưa, lượng mưa trung bình, độ lệch chuẩn, lượng mưa lớn nhất và tổng lượng mưa) gần với kết quả thực đo trong quá khứ.. - Nghiên cứu ứng dụng mô hình khí hậu khu vực mô phỏng/dự báo mùa các trường khí hậu bề mặt phục vụ quy hoạch phát triển và phòng tránh thiên tai, Đại học Quốc gia Hà Nội.