Mục đích nghiên cứu của luận án là nghiên cứu phương thức khai thác và tập luyện cho học sinh THPT những hoạt động trong quá trình dạy học Đại số Giải tích, nhằm phát triển ở họ khả năng chiếm lĩnh tri thức một cách chủ động và hiệu quả.
Trang 1Kỹ thuật trồng điều
Trang 2MỤC LỤC
MỤC LỤC 0
MỞ ĐẦU 1
CHƯƠNG 1 TỔNG QUAN 2
1.1 Các nghiên cứu trên thế giới 3
1.2 Các nghiên cứu trong nước 5
1.3 Mô hình khí hậu khu vực RegCM3 7
CHƯƠNG 2 CÁC PHƯƠNG PHÁP XỬ LÝ VÙNG ĐỆM 15
2.1 Các phương pháp cơ bản 15
2.1.1 Phương pháp xử lý vùng đệm dạng xốp (sponge) 17
2.1.1 Phương pháp xử lý vùng đệm dạng giảm dư (relaxation) 25
2.2 Xử lý điều kiện biên trong RegCM3 35
CHƯƠNG 3 KẾT QUẢ MÔ PHỎNG KHÍ HẬU KHU VỰC VIỆT NAM 38
3.1 Chọn miền tính và độ phân giải 42
3.2 Các phương pháp xử lý vùng đệm và chọn độ rộng vùng đệm 62
KẾT LUẬN 75
TÀI LIỆU THAM KHẢO 77
PHỤ LỤC 78
Trang 3LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ
1
MỞ ĐẦU
Mô hình khí hậu khu vực (Regional Climate Model - RCM) ngày nay đã trở thành một công cụ quan trọng trong mô phỏng và dự báo khí hậu Tuy nhiên công
cụ dự báo khí hậu này cũng có nhiều khiếm khuyết Do đó việc cải thiện kết quả dự báo của RCM góp phần nâng cao chất lượng dự báo khí hậu nói chung
Việc hạ quy mô (downscaling) từ mô hình toàn cầu có độ phân giải thô bằng
mô hình khu vực có độ phân giải tinh cho ta dự báo chi tiết hơn Vì thế sản phẩm có
độ chi tiết cao này sẽ rất hữu ích cho người sử dụng nếu có chất lượng tốt Ưu điểm của mô hình dự báo số là tính khách quan trong kết quả tính toán Tuy nhiên nhược điểm của công cụ này cũng không ít, chẳng hạn như kết quả phụ thuộc vào tính chủ quan trong các giả thiết trong các sơ đồ tham số hoá các quá trình quy mô nhỏ và vừa Ngay cả với các nước đi đầu trong lĩnh vực dự báo số trị, chất lượng dự báo của mô hình vẫn là một vấn đề đã và đang được quan tâm nghiên cứu với rất nhiều hướng tiếp cận khác nhau Một trong những hướng đã trở thành kinh điển trong bài toán dự báo số cho khu vực giới hạn đó là vấn đề giải quyết bài toán điều kiện biên xung quanh
Luận văn này tập trung vào giải quyết ba vấn đề Một là chọn kích cỡ miền tính thích hợp sao cho biên không quá gần, đảm bảo cho RCM tự do tạo ra các quá trình quy mô nhỏ, hay không quá xa khiến RCM mất đi điều khiển từ các trường quy mô lớn bên ngoài Hai là chọn độ phân giải thích hợp để nắm bắt được các quá trình quy mô vừa Ba là xử lý vùng đệm bằng phương pháp thích hợp sao cho sai số
do sai khác giữa trường quy mô lớn từ bên ngoài và trường quy mô vừa bên trong miền tính không làm hỏng kết quả mô phỏng của RCM
Trang 4CHƯƠNG 1 TỔNG QUAN
Mô hình RCM là mô hình số trị dự báo cho một miền được bao bởi các biên xung quanh Điều kiện tiên quyết là mô hình này phải được điều khiển bởi mô hình toàn cầu (Global Climate Model - GCM) trên các biên này Để làm được điều này người ta sử dụng phương pháp lồng (nesting) một chiều (GCM điều khiển RCM) Phương pháp lồng mô hình khu vực phân giải cao vào trong mô hình toàn cầu được sử dụng rộng rãi trong nghiên cứu cũng như trong nghiệp vụ dự báo thời tiết
số trị (NWP) Tuy nhiên đối với mô hình khí hậu khu vực (RCM) thì mãi tới những năm 1989 mới có những nghiên cứu bước đầu Dickinson và nnk (1989) hay Giorgi (1990) đã phỏng theo cách tiếp cận của NWP và áp dụng trong mô phỏng khí hậu khu vực Cho đến nay cách làm này được biết đến và được nghiên cứu và phát triển rộng rãi trên thế giới Sản phẩm của việc làm này là một loạt các mô hình dự báo số trị được ứng dụng Các mô hình này có thể kể đến một vài đại diện như RegCM3, MM5 hay WRF Nói riêng, đối với MM5, Leung và Gahn (1998) đã phát triển mô hình này thành dạng RCM trong đó đã đưa ra được các đặc trưng khí hậu có thể so sánh được với quan trắc ở quy mô khu vực Những nỗ lực sau đó đã đưa ra nhiều đặc trưng khí hậu hơn tại miền Tây nước Mỹ năm 2003
Nhằm nâng cao chất lượng dự báo, một số tác giả đã nghiên cứu chọn độ phân giải của mô hình cho phù hợp với miền tính mà mình quan tâm Những nghiên cứu đưa ra sau đây là ví dụ
Một mô hình RCM cung cấp kết quả dự báo khí hậu phân giải cao rất quan trọng trong đánh giá các tác động và quản lý tài nguyên Độ phân giải cao hơn cho phép mô tả kỹ hơn các tác động bề mặt gây bởi yếu tố địa hình, tương phản đất-biển
và các đặc điểm của thảm thực vật Do đó, các quá trình bị tác động lớn bởi bề mặt như mưa địa hình hay hoàn lưu gió mùa, được cải thiện đáng kể khi tăng độ phân giải (Giorgi và Marinucci, 1996 – sử dụng mô hình RegCM) Các quá trình quy mô nhỏ được mô tả tốt hơn có thể dẫn đến những tác động quy mô lớn được cải thiện
Trang 5LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ
3
do đó RCM có thể được dùng để nghiên cứu ảnh hưởng tăng quy mô (upscale) của các tác động khu vực đối với khí hậu quy mô lớn (v.d hiệu ứng bóng địa hình - orographic shadowing effect) Dưới góc độ này, việc đánh giá giá trị của mô hình khí hậu khu vực với độ phân giải cao là rất quan trọng
Tuy vậy, độ phân giải cao hơn không nhất thiết đưa đến mô phỏng khí hậu chính xác hơn (Boyle, 1993; Sperber và nnk, 1994; và Senior, 1995) Độ nhạy của các quá trình trong sơ đồ tham số hóa vật lý với khoảng cách lưới có thể lấn át mọi lợi ích mà độ phân giải cao mang lại (Duffy và nnk, 2003) Vì thế việc chọn độ phân giải cho phù hợp là một trong những yếu đầu tiên quyết quyết định chất lượng
dự báo
Trong các mục tiếp theo sẽ trình bày về một số nghiên cứu trong nước và trên thế giới, cuối chương là giới thiệu về mô hình khí hậu khu vực RegCM3 là công cụ chính dùng trong luận văn
1.1 Các nghiên cứu trên thế giới
Seth và Giorgi (1998) đã nghiên cứu hiệu ứng của việc chọn miền tính trong
mô phỏng giáng thủy và độ nhạy đối với mô hình khí hậu khu vực Nghiên cứu được thực hiện tại trung tâm nước Mỹ vào mùa hè năm 1988 và 1993 bằng mô hình RegCM3 Kết quả cho thấy mô phỏng giáng thủy mùa cũng như độ nhạy đối với độ
ẩm đất bị tác động bởi kích cỡ miền tính và vị trí biên Miền tính nhỏ bắt được giáng thủy gần quan trắc hơn tại lưu vực sông Mississippi; tuy nhiên đối với giáng thủy (để ban đầu hóa độ ẩm đất) thực hơn đối với miền tính lớn Điều này được giải thích là do trường điều khiển tại biên ảnh hưởng lớn đối với miền tính nhỏ kéo théo
mô phỏng toàn thể tốt hơn, tuy nhiên nó cũng đưa đến phản hồi không thực từ các trường bên trong Kết luận cuối cùng của 2 tác giả là cần phải lựa chọn miền tính sao cho phù hợp để hài hòa giữa hai yếu tố này
Giorgi và Marinucci (1996) đã khảo sát độ nhạy của mô hình khí quyển khu vực với độ phân giải ngang và đặc điểm địa hình Mô hình chạy mô phỏng tháng 1
và tháng 7 trên khu vực châu Âu với bước lưới trong khoảng từ 200 km đến 50 km,
Trang 60 50 100 150 200 250 300 350 400 450 500
m m
OBS CTL R45 R36
Hình 4.11 Lượng mưa tích luỹ tháng 4 (TN2)
0 200 400 600 800 1000 1200 1400 1600
m m
OBS CTL R45 R36
Hình 4.12 Lượng mưa tích luỹ tháng 10 (TN2)
Trang 7LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ
0 100 200 300 400 500
600
m m
CTL R45 R36
Hình 4.13 RMSE lượng mưa cả năm (TN2)
0 50 100 150 200 250 300 350 400 450 500
m m
OBS CTL Exp_6(BS) Exp_5(BL)
Hình 4.14 Lượng mưa tích luỹ tháng 4 (TN3)
Trang 80 50 100 150 200 250 300 350 400 450 500
m m
OBS CTL B16 B8
Hình 4.15 Lượng mưa tích luỹ tháng 4 (TN4)