Thử nghiệm dự báo hạn mùa một số chỉ số khí hậu cực đoan bằng mô hình RegCM cho khu vực Việt Nam

- Thử nghiệm dự báo hạn mùa một số chỉ số khí hậu cực đoan bằng mô hình RegCM cho khu.
- Luận văn ThS chuyên ngành: Khí tượng và Khí hậu học.
- Abstract: Trình bày tổng quan về tình hình nghiên cứu thử nghiệm dự báo hạn mùa – một chỉ số khí hậu cực đoan bằng mô hình (mô hình khí hậu khu vực) RegCM cho khu vực Việt Nam trên thế giới và Việt Nam.
- Tìm hiểu các phương pháp nghiên cứu: xác định các chỉ số khí hậu cực đoan.
- hệ thống mô hình dự báo khí hậu (hệ thống dự báo mùa toàn cầu) CFS.
- mô hình khí hậu khu vực RegCM.
- các chỉ số khí hậu cực đoan..
- Keywords: Khí hậu học.
- Dự báo khí hậu.
- Chỉ số khí hậu.
- Mô hình RegCM.
- Mô hình khí hậu khu vực.
- Dự báo hạn mùa.
- Trong những năm gần đây, dự báo hạn mùa (seasonal forecasting) đang là một trong những bái toán có tính ứng dụng rất lớn, có ý nghĩa rất quan trọng đối với nhiều ngành kinh tế, xã hội.
- Thông tin dự báo hạn mùa là căn cứ cho các nhà hoạch định chính sách, các nhà quản lý có thể đưa ra kế hoạch sản suất phù hợp cũng như chủ động ứng phó với các thiên tai, thảm họa..
- Trong bối cảnh biến đổi khí hậu,dường như các hiện tượng thời tiết cực đoan ngày càng xảy ra với tần suất nhiều hơn, cường độ mạnh hơn, gây thiệt hại nặng nề, việc dự báo hạn mùa dựa trên cơ sở các mô hình động lực trở nên ưu việt hơn so với phương pháp thống kê truyền thống..
- Ngày nay, cùng với sự phát triển mạnh mẽ của công nghệ tính toán, các mô hình dự báo số trị ngày càng được sử dụng rộng rãi trong các nghiên cứu khí hậu.
- Ngoài ra, mục tiêu của bài toán dự báo hạn mùa không chỉ dừng lại đơn thuần ở dự báo xu thế các yếu tố khí tượng nữa mà việc dự báo được các hiện tượng thời tiết cực đoan ở qui mô hạn mùa cũng rất được quan tâm, chú ý..
- 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 nhưng vẫn còn nhiều câu hỏi cần được trả lời, đặc biệt là dự báo hạn mùa và khả năng dự báo các yếu tố, hiện tượng khí hậu cực đoan.
- Trong khuôn khổ luận văn này, tác giả sẽ thử nghiệm ứngdụng mô hình khí hậu khu vựckhi sử dụngsản phẩmđầu ra từ mô hình dự báo toàn cầulàm điều kiện ban đầu và điều kiện biên đểdự báo một số chỉ số khí hậu cực đoan vàđánh giá cho khu vực Việt Nam.
- Sản phẩm của mô hình toàn cầu được sử dụng là sản phẩm dự báo của hệ thống mô hình CFS..
- Hiện nay, dự báo hạn mùa đang là một trong những bài toán được các nhà khoa học trong và ngoài nước hết sức quan tâm.
- Các kết quả dự báo mùa đã mang lạiđược ứng dụng rộng rãi trongđời sống xã hội.
- Trong đó, có thể kể đến hiệu quả của sản phẩm dự báo hạn mùa trong lĩnh vực nông nghiệp như góp phần đưa ra những dự báo đáng tin cậy về sản lượng vụ mùa ở Australia [45],Châu Âu [13] hay miền tây Ấn Độ [14], và cả trong lĩnh vực y tế như góp phần cung cấp thông tin cho việc dự báo sự lan truyền của dịch sốt rét [38].
- Việc dự báo hạn mùa các hiện tượng khí hậu cực đoan cũng đã được thử nghiệm ở nhiều nơi trên thế giới như Mỹ Hàn Quốc [40] hay Nam Mỹ [19] và đãcho những kết quả khả quan.
- Trong nghiệp vụ dự báo có 3 lớp bài toán:dự báo thời tiết, dự báo tháng và dự báo mùa..
- Đối với dự báo thời tiết, thông thường hạn dự báo khoảng 3–5 ngày (hạn ngắn – Short range.
- Dự báo thời tiết cần phải chỉ ra được 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 – batháng) 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]..
- Trong các nghiên cứu gần đây vê dự báo mùa mà chúng ta đã điểm qua, các khái niệm và lưu ý cơ bản và một số kết quả ban đầu về dự báo mùa đã được nêu ra.
- Qua tổng quan các nghiên cứu trong và ngoài nước về bài toán dự báo hạn mùa các hiện tượng khí hậu cực đoan, cóthể nhận thấy3 điểmcần lưu ý.
- Điểm thứ hai, so với sự phát triển trên thế giới thì dự báo hạn mùaở Việt Nam còn khá “thô sơ”, với không nhiều các nghiên cứu và nghiệp vụ còn phụ thuộc nhiều vào phương pháp thống kê.
- Trong khi đó, những năm gần đây, có không ít các mô hình khí hậu khu vựcđã và đang được thử nghiệm cho khu vực Việt Nam [3].
- Hơn nữa, việc dự báo hạn mùa được các yếu tố, hiện tượng khí hậu cực đoan khá mới mẻ ở Việt Nam.Điểm thứ ba, trong lĩnh vực nghiên cứu mô phỏng và dự báo ECE bằng các mô hình số, kể cả mô hình toàn cầu và mô hình khu vực, các GCM nói chung cũng như các RCM nói riêng được ứng dụng tái tạo cũng như dự báo trường khí hậu.
- Các trường khí hậu sau khi được tái tạo hoặc dự báo sẽ là cơ sở để xác định các ECEtheo các kĩ thuật khác nhau.
- Với cùng một mô hình, kết quả mô phỏng, dự báo có thể tốt cho khu vực này nhưng lại kém cho một khu vực khác.
- Ngay trên cùng một khu vực, yếu tố, hiện tượng này có thể mô phỏng hoặc dự báo tốt.
- Từđó, tác giả nhận thấy việc hướng đến nghiên cứu khả năng ứng dụng mô hình khí hậu khu vực vào bài toán dự báo hạn mùaở Việt Nam để dự báo một số chỉ số khí hậu cực đoan là một hướng tiếp cận mới, rất cóý nghĩa và cần thiết.Để giải quyết bài toán này, chúng tôi tập trung vào hai khía cạnh.
- Đầu tiên là đánh giá được khả năng mô phỏng hạn mùa một số trường cơ bản của mô hình khí hậu khu vực RegCM phiên bản 4.2 với đầu vào từ trường dự báo thực CFS.
- Dựa trên kết quả thu được, tác giả sẽ lựa chọn và tiến hành đánh giả khả năng mô phỏng một số chỉ số khí hậu cực đoan..
- Trong chương một, ý nghĩa khoa học và thực tiễn của bài toán dự báo hạn mùa cũng như ứng dụng dự báo mùa yếu tố, hiện tượng khí hậu cực đoan bằng mô hình khí hậu khu vựcđãđược chỉ ra.
- Để cụ thể hóa bài toán thử nghiệm ứng dụng RegCM4.2 dự báo hạn mùa một số chỉ số khí hậu cực đoan cho khu vực Việt Nam, trong chương nàysẽ trình bày sơ lược mô hình RegCM phiên bản 4.2 và hệ thống dự báo mùa CFS.
- Ngoài ra ở đây cũng sẽ đưa ra một số chỉ số thống kê sử dụng trong đánh giá chất lượng dự báo..
- 2.1 Xác định các chỉ số khí hậu cực đoan.
- Khi hiện tượng thời tiết cực đoan xảy ra vào một thời gian nào đó trong năm, chẳng hạn một mùa, khá ổn định, nó có thể được gọi là hiện tượng khí hậu cực đoan.
- Nói cách khác, hiện tượng khí hậu cực đoan.
- Nói chung, hiện tượng khí hậu cực đoan phần lớn không được quan trắc trực tiếp mà thường được xác định căn cứ vào số liệu quan trắc của các yếu tố khí hậu và dựa trên một số chỉ tiêu qui ước cụ thể nào đó..
- Ở Việt Nam hiện nay tồn tại hai khái niệm: “yếu tố khí hậu cực đoan” và “hiện tượng khí hậu cực đoan”.
- Hiện tượng khí hậu cực đoan ở Việt Nam chưa được phân định một cách rõ ràng.
- Với qui ước đó, sau đây sẽ đưa ra cách xác định các chỉ số khí hậu cực đoan được sử dụng trong luận văn..
- Trong báo cáo năm 2007, IPCC đãsử dụng tất cả 27 chỉ số khí hậu cực đoan bao gồm cả các yếu tố và hiện tượng (ECE).
- Hơn nữa, mục tiêu chủ yếu của luận văn là thử nghiệm khả năng dự báo mùa cho Việt Nam nên ở đây chỉ giới hạn xem xét các chỉ số ECE sau:.
- 2.2Hệ thống mô hình dự báo khí hậu CFS.
- CFS (Climate Forecast System) là mô hình dự báo khí hậu của NCEP, Hoa Kỳ.
- Thành phần khí quyển của CFS được phát triển từ mô hình dự báo thời tiết toàn cầu GFS.
- Hiện tại CFS đã được phát triển đến phiên bản 2, và đang được sử dụngchạy dự báo nghiệp vụ 4 lần/ngày giờ UTC), trong đó lần chạy tại 00UTCcóhạn dự báo 9 tháng nhưng chỉ cung cấp miễn phí cho cộng đồng tới hạn dự báo 6 tháng.
- Kết quả dự báo nghiệp vụ của CFS cũng chỉ được lưu trữ trongvòng 7 ngày gần nhất..
- Các sản phẩm dự báo của CFS được lưu thành 5 nhóm file là FLXF, PGBF, OCNH, OCNF và IPVF.
- Trong luận văn này, để thử nghiệm khả năng dự báo một số chỉ số khí hậu cực đoan, bộ số liệu CFS dự báo năm 2012 từ tháng 1 đến tháng 10được sử dụng làm điều kiện ban đầu và điều kiện biên cho mô hình khí hậu khu vực RegCM4.2 với các biến đầu vào là 5 biến được cho trên cácmực áp suất là độ cao địa thế vị (HGT), độ ẩm tương đối (RH), nhiệt độ không khí (TMP), các thành phần gió vĩ hướng (UGRD), kinh hướng (VGRD)và 2 biến bề mặt là khí áp mực biển (PRMSL), nhiệt độ bề mặt biển (SST)..
- 2.3 Mô hình khí hậu khu vực RegCM 2.3.1 Giới thiệu về mô hình RegCM.
- Một phiên bản cũng đã được sử dụng rộng rãi, khá phổ biến và được sử dụng trong nhiều nghiên cứu khí hậu khu vực là RegCM phiên bản 3 (RegCM3) với những cải tiến và bổ sung đáng kể so với các phiên bản trước[34].
- Với mục đích thử nghiệm ứng dụng mô hình RegCM với số liệu CFS dự báo hạn mùa một số chỉ số khí hậu cực đoan cho Việt Nam, chúng tôi đã thiết lập cấu hình cho mô hìnhRegCM như sau:.
- 6) Hạn dự báo: 6 tháng, không kể tháng đứng làm dự báo (Lead time chạy từ 0 đến 6 tháng).
- 7) Số lần chạy dự báo trong một tháng: Về nguyên tắc có thể chạy mô hình mỗi ngày một lần.
- Như vậy, trung bình mỗi tháng có 4 lần chạy dự báo.
- Mặc dù vậy, tùy thuộc vào đường truyền số liệu, số lần dự báo có thể ít hơn do không tải được số liệu về hoặc số liệu tải về bị lỗi hoặc không đủ..
- Do chưa có đầy đủ các nguồn số liệu phân tích hoặc tái phân tích trên lưới của miền dự báo nên để tiến hành đánh giá trong luận văn này sẽ so sánh trực tiếp sản phẩm của mô hình sau khi đã nội suy về mạng lưới trạm khí tượng trên lãnh thổ Việt Nam với số liệu quan trắc synop tương ứng tại trạm..
- Hai khía cạnh được quan tâm xem xét khi đánh giá ở đây là hạn dự báo (Lead time) và thời điểm được dự báo (Target month) hay đích dự báo.
- Do đó khi lập các tập mẫu, tất cả các lần dự báo trong một tháng được gộp lại với nhau nhằm làm tăng dung lượng mẫu.
- Mặc dù vậy dung lượng mẫu vẫn chưa đủ lớn vì mới chỉ có chưa đầy một năm làm dự báo và mỗi tháng chỉ có tối đa 4-5 lần dự báo.
- Nói cách khác, việc đánh giá ở đây mới chỉ dừng lại ở mức độ xem xét tính hợp lý của kết quả dự báo, chưa thể nói về độ chính xác của dự báo vì việc “trộn lẫn” đó có thể sẽ gây ra sự bất đồng nhất lớn trong tập mẫu..
- Một vấn đề khác, trong dự báo hạn mùa, đơn vị thời gian dự báo (time window) tối thiểu là một tháng thay vì hàng ngày hoặc hàng giờ như trong dự báo thời tiết.
- Nghĩa là giá trị dự báo chỉ có ý nghĩa phản ánh “điều kiện thời tiết” trong tháng được dự báo chứ không thể chỉ rõ hiện tượng sẽ xảy ra vào ngày nào cụ thể.
- Việc so sánh giá trị dự báo với giá trị quan trắc theo đơn vị ngày vì vậy chưa thực sự hợp lý, nhất là các đặc trưng phản ánh sai số hệ thống, sai số quân phương hay hệ số tương quan.
- Với mục tiêu của bài toán là thử nghiệm dự báo hạn mùa một số chỉ số khí hậu cực đoan, 37 dự báo bởi mô hình RegCM4.2 với hạn dự báo tối đa là 6 tháng sử dụng điều kiện ban đầu và điều kiện biên từ hệ thống dự báo CFS đã thử nghiệm cho khu vực Việt Nam.
- Một cải tiến quan trọng khi RegCM4.2 đã được điều chỉnh để đọc trường đầu vào SST 6 giờ một thay vì lấy giá trị trung bình tháng như phiên bản gốc qua đó thông tin SST được cập nhập tốt hơn cho phép dự báo tốt hơn.
- Giá trị dự báo ứng với mỗi tháng được lấy trung bình từ các dự báo với thời điểm dự báo ban đầu khác nhau trong cùng một tháng.
- Để thử nghiệm dự báo một số chỉ số khí hậu cực đoan, trường mưa, nhiệt độ trung bình ngày, nhiệt độ cực tiểu ngày và nhiệt độ cực đại ngày được nội suy về 172 trạm khí tượng synop và so sánh với số liệu quan trắc.
- Đối với dự báo các trường nhiệt độ trung bình tháng và lượng mưa tháng.
- Dự báo mô hình RegCM4.2 cho kết quả dự báo luôn thiên thấp với các trường nhiệt độ trung bình..
- Đối với trường mưa kết quả dự báo khá kém, không có tính đồng nhất giữa các tháng và nhất là với các dự báo hạn dài..
- Kết quả dự báo hạn mùa không phụ thuộc nhiều vào thời điểm dự báo ban đầu mà phụ thuộc chủ yếu vào tháng dự báo.
- Đối với trường nhiệt độ nói chung có tính đồng nhất và ổn định với dự báo với các hạn dự báo khác nhau..
- Dựa vào phân bố tần suất và phân bố đồng thời có thể thấy sai số dự báo có tính hệ thống..
- Ngoài ra, hàm phân bố của dự báo có dạng chuẩn vào các tháng mùa hè, trong khi hàm phân bố quan trắc vào các tháng này có dạng lệch phải..
- Kết quả dự báo mô hình thiên thấp với các trường, nhiệt độ cực tiểu ngày và nhiệt độ cực đại ngày..
- Đối với các trường nhiệt độ cực trị, kết quả dự báo có tính đồng nhất và ổn định với các tháng dự báo và với các hạn dự báo khác nhau..
- Dựa vào đồ thị phân bố tần suất và phân bố đồng thời có thể khẳng định sai số dự báo của mô hình có tính hệ thống..
- Đối với dự báo một số chỉ số khí hậu cực đoan.
- Bằng phương pháp dự báo theo xác suất, chỉ số C13, C15, H35 và H37 ban đầu đã cho các kết quả hợp lý..
- Tuy vẫn có dự báo khống cho tháng 5 hoặc không dự báo được cho tháng 9 đều là các tháng chuyển mùa nhưng các dự báo C13, C15 khá đồng nhất với các tháng dự báo và các hạn dự báo khác nhau.
- Nhìn chung dự báo C13 và C15 là tốt hơn so với dự báo H35 và H37, nguyên nhân do dự báo nhiệt độ trung bình ngày được đánh giá tốt hơn so với dự báo nhiệt độ cực đại ngày..
- Dự báo mưa lớn nhìn chung chưa tốt do dự báo giá trị lượng mưa ngày chưa chính xác..
- Mặc dù vậy, kết quả bước đầu khẳng định có thể dự báo hạn mùa bằng phương pháp mô hình.
- Do kết quả mô hình có tính hệ thống, để kết quả dự báo được tốt hơn, mô hình cần được hiệu chỉnh.
- Ngoài ra phương pháp tổ hợp kết quả với nhiều điều kiện đầu vào khác nhau và nhiều mô hình khác nhau sẽ cho kết quả dự báo tốt hơn..
- Phan Văn Tân, Hồ Thị Minh Hà, Lương Mạnh Thắng, Trần Quang Đức (2009), “Về khả năng ứng dụng mô hình RegCM vào dự báo hạn mùa các trường khí hậu bề mặt ở Việt Nam”, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ tr..
- Phan Văn Tân (2010), “Nghiên cứu tác động của biến đổi khí hậu toàn cầu đến các yếu tố và hiện tượng khí hậu cực đoan ở Việt Nam, khả năng dự báo và giải pháp chiến lược ứng phó”,Đề tài cấp Nhà nước, mã số KC .
- Phạm Đức Thi (1987), “Xây dựng một số phương pháp dự báo hạn vừa, hạn dài nhiệt độ mùa đông và mưa mùa hè khu vực phía bắc Việt Nam”, Tổng cục KTTV Đề tài Chương trình 42.