Nghiên cứu khả năng mô phỏng mùa các yếu tố khí tượng trên lãnh thổ Việt Nam bằng phương pháp thuỷ động và thống kê

Nghiên cứu khả năng mô phỏng mùa các yếu tố khí tượng trên lãnh thổ Việt Nam bằng phương pháp thuỷ động và thống kê

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

HỒ THỊ MINH HÀ

NGHIÊN CỨU KHẢ NĂNG MÔ PHỎNG MÙA CÁC YẾU TỐ KHÍ TƯỢNG TRÊN LÃNH THỔ VIỆT NAM BẰNG PHƯƠNG

PHÁP THỦY ĐỘNG VÀ THỐNG KÊ

Chuyên ngành: Khí tượng học

Mã số: 62.44.87.01

TÓM TẮT LUẬN ÁN TIẾN SĨ KHÍ TƯỢNG HỌC

HÀ NỘI – 2008

Công trình được hoàn thành tại Khoa Khí tượng Thủy văn và Hải

dương học, trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà

Nội

Người hướng dẫn khoa học: PGS TS Nguyễn Hướng Điền

Phản biện 1: PGS TS Phan Văn Tân

Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội

Phản biện 2: PGS TS Nguyễn Văn Tuyên

Trung tâm Khoa học Công nghệ Khí tượng Thủy văn và Môi trường

Phản biện 3: TS Hoàng Đức Cường

Viện Khoa học Khí tượng Thủy văn và Môi trường

Luận án sẽ được bảo vệ trước Hội đồng cấp nhà nước chấm luận án

tiến sĩ họp tại trường Đại học Khoa học Tự nhiên, Đại học Quốc gia

Hà Nội vào hồi 14 giờ 00 ngày 10 tháng 9 năm 2008

Có thể tìm hiểu luận án tại:

- Thư viện Quốc gia Việt Nam

- Trung tâm Thông tin Thư viện, Đại học Quốc gia Hà Nội

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ

LIÊN QUAN ĐẾN LUẬN ÁN

1 Hồ Thị Minh Hà, (2004), “Bước đầu nghiên cứu mạng thần kinh nhân tạo và khả năng áp dụng để dự báo nhiệt

độ cho khu vực Đông Nam Á”, Nội san khoa học trẻ, Trường Đại học Khoa học Tự nhiên, ĐHQGHN, Số

2/2004, tr.57-61

2 Hồ Thị Minh Hà, Nguyễn Hướng Điền, (2006), “Thử nghiệm dự báo lượng mưa ngày bằng phương pháp dùng mạng thần kinh nhân tạo hiệu chỉnh sản phẩm mô hình

số”, Tạp chí Khoa học và công nghệ, ĐHQGHN, T.XXII,

Số 1PT-4/2006, tr.1-10

3 Hồ Thị Minh Hà, Nguyễn Hướng Điền, (2006), “Thử nghiệm hiệu chỉnh kết quả mô phỏng nhiệt độ hạn mùa trên khu vực Đông Nam Á của mô hình khí hậu khu vực

RegCM3”, Tạp chí Khoa học và công nghệ, ĐHQGHN,

T.XXII, Số 2B PT 2006, tr.20-27

4 Ho Thi Minh Ha, Phan Van Tan, Le Nhu Quan, (2006),

“On the regional climate simulation over Southeast Asia using RegCM”, Report of Vietnam-Japan Joint Workshop

on Asian Monsoon, Ha Long, pp 62-68

5 Kieu Thi Xin, Le Duc, and Ho Thi Minh Ha, (2005),

“Simulation of Southeast Asia Rainfall using RegCM3 and Problems”, IAMAS 2005 General Assembly, Beijing, China, August 2 - 11, 2005 DOI: T4DKTX13Aug04100242

Tây Nguyên, cả ba phiên bản đều có xu hướng tái tạo nhiệt độ trung bình

tháng cao hơn quan trắc, trong đó phiên bản Reg+GAB lại thường cho mô

phỏng nhiệt độ thấp hơn hai phiên bản còn lại và do đó có sai số nhỏ hơn

Đối với lượng mưa, nếu tổ hợp ba phiên bản bằng cách lấy trung bình đơn

giản (Reg+Tổ hợp) thì kết quả nhận được gần với quan trắc hơn so với từng

phiên bản riêng lẻ; sai số RMSE trong trường hợp này còn khoảng

6mm/ngày tính trung bình trên toàn Việt Nam

5 Từ các đồ thị biểu diễn nhiệt độ và lượng mưa trung bình tháng

trong 10 mùa hè của và 3 phiên bản Reg+GAB, Reg+TieB và Reg+TieZ và

quan trắc cùng với các điểm số đánh giá (ME, RMSE) cho thấy mô hình

thường mắc phải sai số có tính hệ thống so với quan trắc Hệ số tương quan

giữa sản phẩm mô phỏng của mô hình và quan trắc thường không cao nghĩa

là mối quan hệ giữa chúng không phải là tuyến tính Nhằm loại bỏ bớt ảnh

hưởng của sai số mô hình đối với sản phẩm mô phỏng luận án đã sử dụng

phương pháp thần kinh nhân tạo (ANN) để hiệu chỉnh (ký hiệu là

Reg+ANN) Kết quả đánh giá trên 4 năm số liệu độc lập cho thấy sai số ME

và RMSE của nhiệt độ ngày và lượng mưa trung bình tháng của Reg+ANN

đều giảm, đồng thời HSTQ và các chỉ số khác đều tăng mạnh Cụ thể là

RMSE của nhiệt độ trung bình tháng tính cho cả Việt Nam giảm từ khoảng

2oC (Reg+TieB) xuống còn 0,5oC và HSTQ tăng từ 0,7 lên hơn 0,9 Độ

chính xác Acc tăng từ 0,3 lên hơn 0,8 và biệt thức HK cũng như điểm số kỹ

năng HSS đều tăng từ 0,1 đến gần 0,7-0,8 Đối với lượng mưa trung bình

tháng, RMSE tính trên toàn Việt Nam giảm từ khoảng 6,2 mm/ngày

(Reg+GAB) và 6,4 mm/ngày (Reg+Tổ hợp) xuống còn 3,9 mm/ngày;

HSTQ tăng từ 0,26 (Reg+GAB) và 0,13 (Reg+Tổ hợp) lên 0,68; Acc tăng từ

0,3 lên 0,5 và HK và HSS đều tăng mạnh, từ 0,079 (Reg+GAB) và 0,015

(Reg+Tổ hợp) lên 0,28 Các chỉ số đối với từng khu vực cũng có xu thế

tương tự

6 Tóm lại, với những đặc điểm mới đã trình bày trong luận án, mô

hình RegCM3 có khả năng mô phỏng tương đối tốt các trường khí hậu khu

vực Việt Nam và Đông Nam Á trong những tháng mùa hè Điều đó cũng có

nghĩa là nếu được cung cấp các trường dự báo toàn cầu đảm bảo chất lượng

làm điều kiện biên thì mô hình RegCM3 có thể được sử dụng để dự báo hạn

mùa, trước hết cho thời kỳ gió mùa mùa hè, trên khu vực này Hiện nay các

mô hình khí hậu toàn cầu (GCM) ngày càng có kỹ năng dự báo tốt hơn, sản

phẩm của chúng có thể làm đầu vào cho các mô hình khí hậu khu vực nói

chung và RegCM3 nói riêng Do đó những kết luận về khả năng của

RegCM3 có thể là một trong những cơ sở để chúng ta nghiên cứu áp dụng

các mô hình GCM vào Việt Nam (chẳng hạn như CCSM )

MỞ ĐẦU

1 Lý do lựa chọn đề tài

Các điều kiện khí hậu vào tháng sau, mùa sau hay năm sau luôn được quan tâm hàng đầu khi con người đề ra những kế hoạch dài hạn trong sản xuất nông, lâm, ngư nghiệp, trong kinh tế, xây dựng, du lịch,… Như ta đã biết, đây chính là mục đích của bài toán dự báo khí hậu hạn mùa Đối với khu vực có địa lý tự nhiên phức tạp như Đông Nam Á, gió mùa tác động mạnh tới khí hậu ở đây, vì vậy bài toán dự báo mùa không hề đơn giản, đặc biệt là trong mùa hè

Các phương pháp thường được sử dụng trong dự báo khí hậu là phương pháp thống kê và phương pháp số trị Cùng với sự phát triển mạnh mẽ và nhanh chóng của công nghệ máy tính trong một vài thập

kỷ gần đây, chúng ta đã có thể xây dựng và phát triển những mô hình

số trong dự báo khí hậu Tuy nhiên, mô hình toàn cầu không thể dự báo chi tiết cho khu vực Châu Á do hạn chế về độ phân giải Vì vậy, xây dựng mô hình khí hậu khu vực phù hợp là mối quan tâm của hầu hết các quốc gia trên châu lục này, trong đó có Việt Nam Đứng trước

yêu cầu cấp thiết đó, chúng tôi đã chọn và thực hiện đề tài: “Nghiên cứu khả năng mô phỏng mùa các yếu tố khí tượng trên lãnh thổ Việt Nam bằng phương pháp thủy động và thống kê”

3 Mục đích, đối tượng và phạm vi nghiên cứu

- Mục đích của luận án là đánh giá được khả năng mô phỏng khí hậu hạn mùa cho khu vực Đông Nam Á và Việt Nam của mô hình khí hậu khu vực RegCM3 và cải tiến mô hình RegCM3 bằng cách đưa thêm vào một sơ đồ tham số hóa đối lưu mới nhằm nâng cao chất lượng mô phỏng của mô hình, sau đó xây dựng được phương pháp hiệu chỉnh sản phẩm đầu ra của mô hình bằng công cụ thống kê nhằm chính xác hóa kết quả mô phỏng

- Đối tượng nghiên cứu là nhiệt độ và lượng mưa trung bình

tháng mùa hè trên khu vực Đông Nam Á nói chung và Việt Nam nói

riêng Phương pháp nghiên cứu bao gồm phương pháp số mô phỏng

khí hậu khu vực, phương pháp thống kê hiệu chỉnh sản phẩm mô

hình số Phạm vi nghiên cứu là khu vực Đông Nam Á và các vùng

biển lân cận, đặc biệt chú trọng đến Việt Nam

4 Những đóng góp mới của luận án

- Đã đưa được sơ đồ tham số hoá đối lưu Tiedtke (1989) vào mô

hình RegCM3 thành một tùy chọn mới và do đó đã làm tăng chất

lượng mô phỏng của mô hình đối với trường nhiệt độ bề mặt

- Đã nghiên cứu và xây dựng được phương pháp hiệu chỉnh các

trường nhiệt độ và lượng mưa của mô hình RegCM3 bằng phương

pháp mạng thần kinh nhân tạo (ANN)

5 Ý nghĩa khoa học và thực tiễn

Tổng quan được vấn đề dự báo và mô phỏng khí hậu hiện nay và

đề ra phương án nghiên cứu mô phỏng khí hậu khu vực Việt Nam

bằng mô hình RegCM3 và thống kê Đã khảo sát và thử nghiệm các

sơ đồ tham số hóa đối lưu Kuo, BMJ, GAS, GFC, Tiedtke, thử

nghiệm các sơ đồ tính toán thông lượng đại dương BATS và Zeng và

chọn được sơ đồ đối lưu Tiedtke, sơ đồ thông lượng đại dương BATS

là tốt nhất để mô phỏng khí hậu khu vực Việt Nam Kết hợp kết quả

động lực và phương pháp thống kê (mạng thần kinh nhân tạo) để đưa

ra kết quả mô phỏng trường nhiệt độ 2m và lượng mưa mùa hè trên

lãnh thổ Việt Nam phù hợp với thực tiễn hơn Kết quả nghiên cứu

của luận án có thể sử dụng trong nghiên cứu và tìm ra một số đặc

điểm khí hậu (lượng mưa, nhiệt độ) mùa hè của Việt Nam

Luận án gồm 4 chương Nội dung chính của các chương được

trình bày tóm tắt sau đây

KẾT LUẬN

Từ kết quả nghiên cứu của luận án có thể rút ra một số kết luận và kiến nghị như sau:

1 Phiên bản gốc của mô hình RegCM3 với các cấu hình thí nghiệm khác nhau đã thể hiện khả năng mô phỏng tương đối tốt hoàn lưu, trường áp suất mực biển trung bình trong mùa gió mùa mùa hè trên khu vực Đông Nam Á Trong số các sơ đồ tham số hóa đối lưu của RegCM3, sơ đồ Grell (1993) với giả thiết khép kín mô hình mây của Arakawa-Schubert (GAS) cho kết quả mô phỏng hợp lý hơn cả Nhiệt độ mô phỏng bởi RegCM3 với tùy chọn GAB (GAS và BATS), ký hiệu là Reg+GAB, có xu thế thấp hơn thực tế, cả bề mặt và trên cao Lượng mưa mô phỏng trung bình tháng thấp hơn nhưng diện mưa rộng hơn thực tế Hệ số tương quan giữa mô phỏng và quan trắc của nhiệt độ khá cao (0,65) nhưng của lượng mưa rất thấp (0,087) cho thấy khả năng mô phỏng nhiệt độ của mô hình tốt hơn so với mô phỏng mưa

2 Luận án đã thực hiện việc cải thiện khả năng mô phỏng của RegCM3 bằng cách đưa thêm sơ đồ tham số hóa đối lưu Tiedtke (1989) vào

mô hình như là một tùy chọn bổ sung Kết quả là RegCM3 đã chạy ổn định với sơ đồ này và đã cải thiện đáng kể chất lượng mô phỏng nhiệt độ bề mặt trung bình tháng của mô hình Sai số bình phương trung bình (RMSE) của nhiệt độ tính theo phiên bản cải tiến (Reg+TieB) trên toàn Việt Nam giảm 0.4oC so với Reg+GAB, còn khoảng 1,8oC Reg+TieB cũng cho lượng mưa

mô phỏng lớn hơn và diện mưa rộng hơn thực tế, các tâm mưa lớn điển hình trong mùa hè khu vực ĐNA cũng được tái tạo tốt hơn so với Reg+GAB Sai

số RMSE tính trung bình trên toàn lãnh thổ Việt Nam khoảng 9mm/ngày

3 Những thử nghiệm mô phỏng của mô hình trong đó các thông lượng đại dương-khí quyển được tính theo hai sơ đồ BATS (Reg+GAB) và Zeng (Reg+GAZ) cũng đã được thực hiện Kết quả chứng tỏ rằng các trường mô phỏng của mô hình tính theo BATS phù hợp hơn so với tính theo Zeng Mặc dù vậy sự khác biệt này không quá lớn Đáng chú ý là khi kết hợp hai sơ đồ BATS và Zeng với sơ đồ đối lưu Tiedtke thì Reg+TieZ đã làm giảm lượng mưa mô phỏng so với Reg+TieB, và do đó gần với thực hơn

4 Ba phiên bản Reg+GAB, Reg+TieB và Reg+TieZ được chạy riêng biệt để mô phỏng nhiệt độ và lượng mưa các tháng mùa hè trong 10 năm, từ 1991-2000, trên khu vực ĐNA Việc phân tích các điểm số đánh giá cho thấy trong ba phiên bản thử nghiệm thì Reg+TieB có khả năng tái tạo nhiệt

độ bề mặt tốt nhất, đặc biệt trong những năm xảy ra các cực trị khí hậu như

1997, 1998, kém nhất là phiên bản Reg+GAB Mặc dù vậy, trên khu vực

Nhận xét cuối chương

Hiệu chỉnh bằng ANN đã giảm được sai số hệ thống, bằng chứng

là sai số RMSE giảm còn các chỉ số Acc, HK, HSS tăng lên Rõ ràng

là các khoảng chia nhiệt độ và lượng mưa trung bình tháng của quan

trắc và Reg+ANN đã gần trùng nhau HSTQ tăng lên chứng tỏ sai số

hệ thống được giảm bớt không phải dạng tuyến tính mà là dạng phi

tuyến và ANN đã xử lý tốt

Hình 4.29: (a) HSTQ và (b) RMSE của

nhiệt độ bề mặt trung bình tháng của 3

tháng trong 4 năm số liệu độc lập (98, 96,

91, 95) giữa mô hình và quan trắc, đánh

giá cho từng khu vực trên Việt Nam Đơn

vị RMSE là độ C

Hình 4.32: (a) HSTQ và (b) RMSE của lượng mưa trung bình tháng của 3 tháng trong 4 năm số liệu độc lập (98, 96, 91, 95) giữa mô hình và quan trắc, đánh giá cho từng khu vực trên Việt Nam Đơn vị

RMSE là mm/ngày

CHƯƠNG 1: CÁC NGHIÊN CỨU VỀ DỰ BÁO KHÍ HẬU KHU

VỰC BẰNG MÔ HÌNH SỐ TRỊ 1.1 Tình hình nghiên cứu trên thế giới

Về nguyên tắc, có thể sử dụng mô hình hoàn lưu chung khí quyển hay mô hình khí hậu toàn cầu (đều ký hiệu là GCM) để DBKH cho từng khu vực trên toàn cầu nhưng độ chính xác không cao do độ phân giải của GCM thường khá thô, thường từ 2,5 độ đến 3,7 độ, không thể biểu diễn đủ chi tiết các đặc trưng khí hậu của khu vực và địa phương như khí hậu gió mùa thống trị, địa hình và hệ sinh thái phức tạp, đặc biệt là tác động mạnh mẽ của con người Nhiệt độ mô phỏng thường thấp hơn còn giáng thủy lại mạnh hơn so với thực tế trên tất

cả các khu vực trong hầu hết các mùa Sản phẩm của GCM có thể được sử dụng làm đầu vào cho các mô hình khí hậu khu vực RCM Hiện tại, các RCM có thể chạy mô phỏng và dự báo nhiều tháng, nhiều mùa thậm chí nhiều năm Độ dài ngưỡng điển hình của một mô phỏng khí hậu là 1 tháng và “hạn dài” nghĩa là mô phỏng tháng/mùa đến thập kỷ/nhiều năm Các mô hình RCM thường được ứng dụng là RegCM, CMM5, NCEP ETA, CRCM, Reg\_NCC (Trung Quốc), Trong mô phỏng khí hậu hạn mùa Đông Á, người ta thường sử dụng mô hình RegCM, gốc từ PSU/NCAR Hoàn lưu gió mùa, giáng thủy và nhiệt độ mặt đất nhìn chung phù hợp với quan trắc mặc dù

mô hình phần nào mô phỏng lạnh và khô hơn [Liu, Giorgi và Washington, 1994; Small vcs., 1999; Im vcs., 2006] Kết quả mô phỏng của RegCM thường nhạy với các tham số vật lý như đối lưu, bức xạ, các quá trình bề mặt [Leung vcs., 1999; Francisco, 2006; Giorgi và Mearns, 1999; Li và Yanai, 1996; Ueda và Yasunari, 1998; Kato vcs., 1999; Qian và Giorgi, 1999]

1.2 Tình hình nghiên cứu trong nước

Ở Việt Nam, tại Trung tâm dự báo Khí tượng thủy văn Trung

ương và Viện Khoa học Khí tượng thủy văn và Môi trường, trong

những năm trước đây, hầu hết đều sử dụng phương pháp thống kê để

DBKH hạn vừa và hạn dài, chủ yếu dự báo nhiệt độ và lượng mưa

cao hay thấp hơn TBNN và xác suất xảy ra [Nguyễn Duy Chinh,

2002, 2003; Lương Văn Việt, 2006; Nguyễn Văn Thắng vcs., 2001,

2006; Nguyễn Đức Hậu và Phạm Đức Thi, 2002]

Phương pháp mô hình hoá khí hậu khu vực mới được quan tâm

nghiên cứu ở Việt Nam trong khoảng chục năm trở lại đây, chủ yếu

là mô hình RegCM Các nghiên cứu thử nghiệm ở Việt Nam điển

hình là Kiều Thị Xin (2004); Nguyễn Đăng Quang (2004); Phan Văn

Tân (2003); Dư Đức Tiến (2003); Lê Văn Thiện và Nguyễn Văn

Thắng (2004) RegCM thường mô phỏng lượng mưa thấp hơn nhiều

so với thực tế Về nhiệt độ, hầu hết các khu vực có nhiệt độ thấp như

Tây Bắc Bộ, Tây Nguyên đều được mô phỏng tốt Tuy nhiên, ở miền

Bắc mô hình cho kết quả thấp hơn thực đo, riêng miền Trung và miền

Nam thì mô hình cho kết quả sát với thực tế hơn Như vậy, RegCM

thường mắc sai số âm có tính hệ thống đối với nhiệt độ còn sai số

lượng mưa biến đổi tùy mô hình và tùy khu vực Do đó, cần thiết

hiệu chỉnh sản phẩm của RegCM3 về gần với quan trắc thực tế hơn

1.3 Những nghiên cứu về thống kê hiệu chỉnh mô hình số

Hạ quy mô bằng phương pháp thống kê là một trong những cách

thức được sử dụng khi thực hiện MOS, cơ bản gồm 2 bước: (1) tìm

hiểu mối quan hệ thống kê giữa các biến khí hậu địa phương (ví dụ

như nhiệt độ bề mặt và giáng thủy) và các nhân tố quy mô lớn, và (2)

áp dụng mối quan hệ này cho sản phẩm dự báo của mô hình số để mô

phỏng các đặc trưng khí hậu khu vực Hạ quy mô bằng phương pháp

thống kê sử dụng hồi quy tuyến tính (HQTT) có thể gặp phải sai số vì

Bảng 4.6: Bảng các chỉ số đánh giá biến liên tục đối với nhiệt độ trung bình tháng của Việt Nam giữa quan trắc và các phiên bản Reg+GAB, Reg+TieB, Reg+TieZ, 4 năm (98, 96, 91, 95)

Phiên bản TrBình

mô hình

TrBình qtrắc

MAE RMSE ME

Reg+TieB 27.017 27.681 1.453 1.858 -0.664

4.2.2 Hiệu chỉnh lượng mưa

Trong Bảng 4.8, RMSE lượng mưa trung bình tháng của Việt Nam giảm từ 6,2mm/ngày (Reg+GAB) và 6,4mm/ngày (Reg+Tổ hợp) xuống còn 3,9 mm/ngày; HSTQ tăng từ 0,26 (Reg+GAB) và 0,13 (Reg+Tổ hợp) lên 0,68; Acc tăng từ 0,3 lên 0,5; HK và HSS đều tăng nhiều, từ 0,079 (Reg+GAB) và 0,015 (Reg+Tổ hợp) lên 0,28

Các chỉ số đối với từng khu vực cũng có xu thế tương tự (Hình 4.29

và Hình 4.32) Bảng 4.8: Bảng các chỉ số đánh giá biến liên tục đối với lượng mưa trung bình tháng, từng trạm của Việt Nam giữa quan trắc và các phiên bản Reg+GAB, Reg+TieB, Reg+TieZ, 4 năm (98, 96, 91, 95)

Phiên bản TrBình

mô hình

TrBình qtrắc

MAE RMSE ME

Chương trình ANN được sử dụng trong luận án là một phần của

chương trình Matlab - phần mềm tính toán với các ma trận rất hiệu

quả của Mỹ và có mã nguồn mở

Bộ số liệu nhiệt độ (lượng mưa) ngày của 3 tháng mùa hè của 10

năm được chia thành 2 phần một cách ngẫu nhiên, 6 năm số liệu phụ

thuộc để luyện mạng và 4 năm số liệu độc lập để áp dụng hiệu chỉnh

và đánh giá Sáu năm số liệu phụ thuộc là 1992, 1993, 1994, 1997,

1999, 2000 Bốn năm để hiệu chỉnh là 1991, 1995, 1996 và 1998 Sáu

mươi trạm trên Việt Nam được luyện trong 60 mạng ANN riêng Mỗi

mạng ANN bao gồm đầu vào là nhiệt độ (hoặc lượng mưa) của 3

phiên bản Reg+GAB, Reg+TieB và Reg+TieZ tại một trạm và đích

ra là nhiệt độ (lượng mưa) của quan trắc tại trạm tương ứng Số lớp

ẩn là 2 với số nút trong từng lớp là 5 và 3 Hàm truyền giữa lớp đầu

vào và lớp ẩn cũng như giữa các lớp ẩn là hàm tang hypebol sigma và

hàm truyền giữa lớp ẩn cuối cùng với lớp kết xuất là hàm tuyến tính

Số thế hệ luyện của nhiệt là 300 và của mưa là 1000 thế hệ

4.2.1 Hiệu chỉnh nhiệt độ

Các chỉ số đánh giá cho thấy với Reg+ANN, sai số RMSE của

nhiệt độ trung bình tháng tính cho cả Việt Nam giảm từ khoảng 2oC

(Reg+TieB) xuống còn 0,5oC và HSTQ tăng từ 0,7 lên hơn 0,9 Độ

chính xác Acc tăng từ 0,3 lên hơn 0,8 và biệt thức HK cũng như hệ

số kỹ năng HSS đều tăng từ 0,1 đến gần 0,7-0,8 (Bảng 4.6) Đối với

từng khu vực, sau khi hiệu chỉnh, sai số hệ thống cũng giảm và các

chỉ số Acc, HK, HSS đều tăng nhưng mức độ không mạnh bằng các

chỉ số tính trên toàn Việt Nam Với sai số nhiệt độ dưới 2oC, miền

Trung và Nam Bộ có thể không cần phải hiệu chỉnh nhiệt độ còn các

khu vực thuộc miền Bắc và Tây Nguyên cần thiết phải hiệu chỉnh

bằng ANN

không biểu diễn đúng và đủ mối quan hệ giữa nhân tố và yếu tố hồi quy Sử dụng hồi quy phi tuyến cho kết quả tốt hơn [McGinnis, 1994; Koizumi, 1999, ]

CHƯƠNG 2: PHƯƠNG PHÁP DỰ BÁO KHÍ HẬU KHU VỰC VÀ PHƯƠNG PHÁP THỐNG KÊ SẢN PHẨM MÔ HÌNH SỐ (MOS)

2.1 Phương pháp mô hình hóa khí hậu khu vực ứng dụng vào

mô hình RegCM3

Mô hình hóa khí hậu khu vực là phương pháp lồng mô hình khu vực hạn chế vào mô hình GCM và phân tích các kết quả nhận được

từ GCM, thông qua tích phân số học của hệ phương trình mô hình khu vực hạn chế trên lưới có độ phân giải tinh hơn để suy luận ra tác động của trường GCM điều khiển đối với khu vực đó Đây cũng chính là hạ quy mô bằng phương pháp động lực Để hiểu rõ hơn về phương pháp này, chúng tôi xem xét động lực và biểu diễn vật lý trong mô hình RegCM3 RegCM là mô hình khí hậu khu vực của Pennsynavia NCEP/NCAR, có nguồn gốc từ mô hình quy mô vừa NCAR/MM4 ra đời vào những năm 80 thường được sử dụng để mô phỏng và dự báo gió mùa Châu Á Động lực học về cơ bản giống như của MM4, là mô hình sai phân hữu hạn viết cho chất lỏng nén được với cân bằng thủy tĩnh trong hệ tọa độ thẳng đứng Khi áp dụng MM4 vào nghiên cứu khí hậu, các tác giả đã thay thế một số tham số hóa vật lý, phần lớn là quá trình vận chuyển bức xạ và vật lý đất RegCM đã được phát triển qua nhiều thế hệ khác nhau Luận án sử dụng phiên bản mới nhất được phát triển ở ICTP là RegCM3 Các phương trình trong mô hình RegCM3 được xây dựng cho hệ tọa độ thẳng đứng thủy tĩnh theo địa hình Hệ phương trình thống trị của RegCM3 bao gồm các phương trình chuyển động ngang, phương trình liên tục và đạo hàm của vận tốc thẳng đứng, phương trình xu

thế khí áp mặt đất, vận tốc thẳng đứng trong toạ độ sigma, phương

trình nhiệt, phương trình thủy tĩnh và 3 phương trình ẩm viết cho các

biến hơi nước qv, nước mây qc và băng mây qi Điều kiện ban đầu và

điều kiện biên của mô hình được cung cấp bởi trường điều khiển, là

số liệu tái phân tích hay trường dự báo của GCM tuỳ theo mục đích

mô phỏng hay dự báo, cập nhật sau từng khoảng thời gian tích phân

nào đó, từng 6h hoặc 3h

Các quá trình vật lý cơ bản của RegCM3 bao gồm: (1) Bức xạ, (2)

Trao đổi sinh quyển – khí quyển, (3) Chuyển động rối trong lớp biên

hành tinh, (4) Giáng thuỷ quy mô lớn, (5) Đối lưu, (6) Trao đổi thông

lượng đại dương – khí quyển, (7) Trao đổi thông lượng hồ - khí

quyển, và (8) Vận chuyển các thành phần hóa học Trong mô hình

RegCM3 chưa xem xét đến 2 quá trình, một là trao đổi thông lượng

giữa hồ - khí quyển và hai là vận chuyển các thành phần hóa học

Động lực học và vật lý biểu diễn trong RegCM3 được trình bày trong

luận án được tham khảo chủ yếu từ tài liệu của Elguindi vcs (2003)

2.2 Phương pháp thống kê sản phẩm mô hình số MOS

2.2.1 Các phương pháp đánh giá thống kê mô hình khí hậu

Đánh giá dự báo là thẩm định chất lượng của dự báo, trong đó kết

quả dự báo được so sánh với quan trắc của hiện tượng đã thực sự xảy

ra hoặc kết quả dự báo khác đã được đánh giá là tốt Có nhiều kiểu

đánh giá, ví dụ đối với dự báo lượng giáng thủy có thể đánh giá trực

quan, phân đôi, đa nhóm, liên tục, phân bố không gian; dự báo xác

suất giáng thủy sử dụng đánh giá trực quan, xác suất, tổ hợp; dự báo

các điều kiện nóng hay lạnh hơn bình thường được đánh giá bằng

phương pháp trực quan, đa nhóm, xác suất, phân bố không gian, tổ

hợp… [Barb Brown, 2003; Dobryshman, 1972; Zhang và Casey,

2000; WMO, 2002]

Reg+Tổ hợp hầu như luôn có sai số RMSE nhỏ nhất còn HSTQ xấp

xỉ Reg+GAB, tốt hơn Reg+TieB và Reg+TieZ

Bảng 4.4: Tương tự như Bảng 4.2 nhưng là lượng mưa trung bình tháng và thêm phiên bản Reg+Tổ hợp

Phiên bản mô hình TrBình TrBình qtrắc MAE RMSE ME

Nhận xét

Nhiệt độ và lượng mưa của mô hình thường mắc sai số có tính hệ thống so với quan trắc Tuy nhiên, không thể hiệu chỉnh cơ học bằng cách cộng hoặc trừ một lượng nào đó để đưa mô phỏng về giá trị quan trắc thực vì sai số hệ thống khác nhau trên các khu vực khác nhau và vào các thời gian khác nhau Thông thường, để đơn giản, người ta có thể xây dựng phương trình HQTT để hiệu chỉnh sản phẩm của mô hình về giá trị quan trắc nhưng qua một số thử nghiệm chúng tôi nhận thấy HQTT không cho kết quả tốt HSTQ giữa nhiệt

độ (lượng mưa) mô phỏng và nhiệt độ (lượng mưa) quan trắc khoảng 0,6-0,7 (0,1-0,2), vì thế mối quan hệ tuyến tính của sản phẩm mô hình với đại lượng quan trắc đó không mạnh, đặc biệt là đối với lượng mưa Do đó, chúng tôi sử dụng mạng thần kinh nhân tạo (ANN) để xây dựng mối quan hệ giữa nhiệt độ (lượng mưa) mô hình

và quan trắc, từ đó hiệu chỉnh giá trị mô phỏng về gần với thực hơn

4.2 Cải thiện kết quả mô phỏng nhiệt độ và lượng mưa của RegCM3 nhờ hiệu chỉnh bằng ANN

a Nhiệt độ trung bình tháng

Sai số RMSE nhiệt độ trung bình tháng của Reg+TieB so với

quan trắc tính trên toàn Việt Nam khoảng 1,8oC, của Reg+TieZ là

1,9oC còn của Reg+GAB là 2,2oC Khi đánh giá cho từng khu vực,

Reg+TieB cũng thể hiện kỹ năng tốt nhất trên hầu hết các khu vực

Ba chỉ số Acc, HK, HSS của Reg+TieB đều lớn hơn Reg+TieZ và

Reg+GAB (Bảng 4.2) Tuy nhiên, đối với khu vực Tây Nguyên, nơi

có nền nhiệt độ thấp hơn xung quanh do ảnh hưởng của địa hình cao

nguyên ở đây, Reg+GAB có kỹ năng tốt nhất với sai số RMSE chỉ

2,8oC trong khi RMSE của Reg+TieB và TieZ lần lượt là 3,3 oC và

3,2oC Ngoại trừ Tây Nguyên và Nam Bộ, HSTQ của các khu vực

còn lại đều lớn hơn hoặc xấp xỉ 0,5

Bảng 4.2: Bảng các chỉ số đánh giá biến liên tục đối với nhiệt độ

trung bình tháng của Việt Nam giữa quan trắc và các phiên bản

Reg+GAB, Reg+TieB, Reg+TieZ

Phiên bản TrBình mô hình TrBình qtrắc MAE RMSE ME

Reg+TieB 26.983 27.561 1.405 1.829 -0.578

b Lượng mưa trung bình tháng

Các sai số đánh giá lượng mưa được trình bày trong Bảng 4.4 cho

thấy trên toàn Việt Nam, Reg+Tổ hợp tốt nhất bởi vì sai số RMSE

nhỏ nhất còn các chỉ số Acc, HK và HSS cũng đều lớn nhất HSTQ

và sai số RMSE tính cho lượng mưa trung bình tháng trong 30 tháng

đối với từng khu vực và toàn Việt Nam tương đối thấp, HSTQ biến

đổi từ -0,15 đến 0,35 và RMSE khoảng 4-12mm/ngày Nhìn chung

2.2.2 Phương pháp mạng thần kinh nhân tạo ANN

Ý tưởng xây dựng ANN bắt nguồn từ việc nghiên cứu hệ thần kinh sinh học của con người, trong đó quan trọng nhất là sự điều khiển của bộ não, sau đó là sự lan truyền thông tin trong hệ thống các

tế bào thần kinh [Haykins, 1994] Một trong những toán tử thường được sử dụng nhiều nhất trong ANN là toán tử lan truyền ngược (back-propagation) trong đó thông tin không những được lan truyền tiến dọc theo các nút nhờ hàm truyền và các trọng số mà còn được lan truyền ngược trở lại để cập nhật các trọng số sao cho sai số giữa kết xuất và hàm đích giảm đi Phương pháp cực tiểu hoá sai số giữa kết xuất và hàm đích thường được sử dụng là phương pháp học giảm dốc nhất (phương pháp giảm gradient) Nguyên tắc học là trọng số được cập nhật sao cho giảm gradient tổng cộng của sai số theo mọi trọng số trên tất cả các mẫu Thuật toán Levenberg-Marquardt là một trong những cải tiến của phương pháp lan truyền ngược và grandient giảm dốc nhất trong đó trọng số được cập nhật không phải hằng số theo thời gian mà biến đổi tùy thuộc gradient tại bước ngay trước đó

2.2.3 Nguồn số liệu sử dụng a/ Số liệu cho RegCM3

Bao gồm số liệu về độ cao địa hình, các loại bề mặt, nhiệt độ mặt nước biển và số liệu tái phân tích làm điều kiện ban đầu và điều kiện biên cập nhật theo thời gian Tất cả số liệu đầu vào cần để chạy mô hình có thể được tải về từ trang web của ICTP

b/ Số liệu thẩm định

+ CRU: Số liệu tái phân tích của Climatic Research Unit (Anh),

độ phân giải ngang 0,5 độ, chỉ có số liệu nhiệt độ bề mặt, lượng mưa, tổng lượng mây và độ ẩm tuyệt đối trung bình tháng

+ Số liệu đầu vào: ERA40 (ECMWF)

+ Quan trắc thực tế trên Việt Nam: 60 trạm quan trắc khí tượng

điển hình trải đều trên lãnh thổ Việt Nam

Tiến trình thực hiện là chạy RegCM3, thực hiện đánh giá và hiệu

chỉnh Kết quả trình bày trong chương 3 và chương 4 tương ứng

CHƯƠNG 3: KẾT QUẢ MÔ PHỎNG CÁC TRƯỜNG KHÍ

TƯỢNG TRÊN KHU VỰC ĐÔNG NAM Á BẰNG MÔ HÌNH

KHÍ HẬU KHU VỰC RegCM3 3.1 Thời tiết, khí hậu khu vực ĐNA vào thập kỷ cuối thế kỷ XX

Trong thập kỷ cuối của thế kỷ XX, thời tiết khu vực ĐNA đã chịu

ảnh hưởng mạnh mẽ của hiện tượng ENSO - viết tắt của các từ ghép

“El Nino” và “SO” (Southern Oscillation: Dao động Nam) Hiện

tượng El Nino và La Nina có ảnh hưởng đến thời tiết, khí hậu toàn

cầu với mức độ khác nhau và rất đa dạng Trong 10 năm cuối của thế

kỷ XX đã xảy ra 4 đợt El Nino với một đợt 1997-1998 được xem là

mạnh nhất thế kỷ [Nguyễn Đức Ngữ và Phạm Thị Thanh Hương,

2003] Hiện tượng El Nino chủ yếu bắt đầu xảy ra vào các tháng mùa

hè, kéo dài đến hết mùa hè đó hoặc sang mùa hè năm sau

3.2 Hoàn lưu, nhiệt độ, độ ẩm và lượng mưa của RegCM3

3.2.1 Cấu hình động lực

Các thử nghiệm đều sử dụng cấu hình như trong Bảng 3.1

Bảng 3.1: Cấu hình động lực trong RegCM3

Động lực học Thủy tĩnh

Số liệu đầu vào ERA40

Miền tích phân 15S-27N; 70-135E

Độ phân giải ngang 60km

Độ phân giải thẳng đứng 18 mực sigma (từ mặt đất Æ 70mb)

Thời gian mô phỏng 3 tháng mùa hè (6-8), từ 1991-2000

Thời gian Spin-up 10 ngày (bắt đầu từ 20/5 hàng năm)

trên toàn ĐNA của Reg+GAB, Reg+TieB và ERA40 so với ERA40 cho thấy mô hình hầu như luôn thấp hơn ERA40 và độ lệch giữa mô hình và ERA40 cao nhất vào những năm có độ ẩm cao, độ lệch không đáng kể vào những năm có độ ẩm thấp Đường biểu diễn độ

ẩm của Reg+TieB luôn nằm giữa Reg+GAB và ERA40 chứng tỏ độ

ẩm được biểu diễn tốt hơn bởi sơ đồ Tiedtke

Bảng 4.1: Các chỉ số đánh giá nhiệt độ trung bình tháng của Reg+TieB so với CRU tính trên toàn khu vực ĐNA

Trung bình dự báo = 26.983 Fre = 0.979 Trung bình quan trắc = 27.564 HSTQ = 0.613

ME = -0.581 Acc = 0.370 MAE = 1.712 HK = 0.154 RMSE = 2.210 HSS = 0.152

d/ Tác động đến lượng mưa

Diện mưa đối lưu của sơ đồ Reg+GAB luôn lớn hơn của Reg+TieB do điều kiện bùng phát đối lưu của Reg+GAB dựa trên CAPE dễ đạt được hơn, nhưng vị trí các tâm mưa của sơ đồ Tiedtke phù hợp với lượng mưa tổng cộng trên thực tế hơn

Reg+GAB tái tạo được tâm mưa ở phía nam Campuchia nhưng

mô phỏng không chính xác tâm mưa ở vịnh Belgan, lượng mưa thường thấp hơn CRU, đặc biệt trên bán đảo Đông Dương và trên Việt Nam nói riêng Reg+TieB nắm bắt được hầu hết các tâm mưa chính, ngoại trừ tâm mưa trên biên giới Việt-Lào, ở đây lượng mưa

mô phỏng thấp hơn CRU Diện mưa trên vịnh Belgan của Reg+TieB cũng lấn sâu hơn về phía đông so với CRU, cường độ mưa cao hơn

4.1.2.3 Đánh giá thống kê

RegCM3 được thử nghiệm với sơ đồ tham số hóa đối lưu Tiedtke (1989) và sơ đồ thông lượng đại dương – khí quyển của Zeng (1998),

ký hiệu là Reg+TieZ làm phiên bản thứ 3 và chạy mô phỏng 10 năm