Nghiên cứu dự tính tổ hợp cho một số các yếu tố hiện tượng liên quan đến nhiệt độ ở Việt Nam

Hệ số tương quan giữa các mô hình và quan trắc,giữa tổ hợp trung bình đơn giản và giữa tổ hợp tuyến tính với quan trắc .... Mở đầu Đối với bài toán dự tính khí hậu, một số nhân tố chi p

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

-

Nguyễn Xuân Diện

NGHIÊN CỨU DỰ TÍNH TỔ HỢP MỘT SỐ YẾU TỐ VÀ HIỆN TƯỢNG KHÍ HẬU LIÊN QUAN ĐẾN NHIỆT ĐỘ Ở VIỆT NAM

LUẬN VĂN THẠC SĨ KHOA HỌC

Hà Nội - 2013

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

-

Nguyễn Xuân Diện

NGHIÊN CỨU DỰ TÍNH TỔ HỢP MỘT SỐ YẾU TỐ VÀ HIỆN TƯỢNG KHÍ HẬU LIÊN QUAN ĐẾN NHIỆT ĐỘ Ở VIỆT NAM

Chuyên ngành: Khí tượng và khí hậu học

Mã số: 604487

LUẬN VĂN THẠC SĨ KHOA HỌC

NGƯỜI HƯỚNG DẪN KHOA HỌC:

TS Vũ Thanh Hằng

Hà Nội - 2013

Lời cảm ơn

Trước hết, tôi xin bày tỏ lòng biết ơn sâu sắc tới TS Vũ Thanh Hằng, là người đã tận tình chỉ bảo và hướng dẫn tôi hoàn thành luận văn này Tôi cũng xin gửi lời cảm ơn sâu sắc tới TS Ngô Đức Thành, là người cũng đã giúp tôi rất nhiều trong quá trình thực hiện luận văn

Tôi xin cảm ơn các thầy cô và các cán bộ trong Khoa Khí tượng Thủy văn

và Hải dương học đã cung cấp cho tôi những kiến thức chuyên môn quý giá, giúp

đỡ và tạo điều kiện thuận lợi về cơ sở vật chất trong suốt thời gian tôi học tập và thực hành ở Khoa

Tôi cũng xin cảm ơn Phòng Sau đại học, Trường Đại học Khoa học Tự nhiên

đã tạo điều kiện cho tôi trong thời gian hoành thành luận văn

Cuối cùng, tôi xin gửi lời cảm ơn chân thành tới gia đình, người thân và bạn

bè, những người đã luôn ở bên cạnh cổ vũ, động viên và tạo mọi điều kiện tốt nhất cho tôi trong suốt thời gian học tập tại trường

Hà Nội, ngày 27 tháng 11 năm 2013

Nguyễn Xuân Diện

Mục lục

Danh mục hình 4

Danh mục bảng 6

Danh mục viết tắt 7

Mở đầu 8

Chương 1- TỔNG QUAN 9

1.1 Các nghiên cứu ngoài nước 9

1.2 Các nghiên cứu trong nước 11

Chương 2- PHƯƠNG PHÁP VÀ SỐ LIỆU NGHIÊN CỨU 15

2.1 Hệ thống tổ hợp các kết quả mô hình 16

2.2.1 Trung bình tổ hợp đơn giản (Simple Ensemble Mean) 16

2.1.2 Hồi quy tuyến tính nhiều biến 16

2.2 Các chỉ số thống kê dùng để đánh giá 17

2.3 Nguồn số liệu 18

2.3.1 Số liệu quan trắc 18

2.3.2 Số liệu từ đầu ra các mô hình 19

Chương 3- KẾT QUẢ VÀ PHÂN TÍCH 23

3.1 Kết quả mô phỏng của các mô hình và đánh giá cho thời kỳ chuẩn 23

3.2 Kết quả tổ hợp cho các yếu tố liên quan đến nhiệt độ cho thời kỳ chuẩn 38

3.3 Kết quả dự tính tổ hợp cho thời kỳ tương lai (giai đoạn 2020-2039) 45

Tài liệu tham khảo 51

Danh mục hình

Hình 2.1 Phân bố vị trí các trạm 22 Hình 3.1 Nhiệt độ trung bình T2m thời kỳ 1980-1999 của 5 mô hình 23 Hình 3.2 T2m của các mô hình và quan trắc trên các trạm tính trung bình cho cả giai đoạn 24

Hình 3.3 Nhiệt độ cực đại trung bình của thời kỳ 1980-1999 cho 5 mô hình 25 Hình 3.4 Tx của các mô hình và quan trắc trên các trạm tính trung bình cho cả giai đoạn 26

Hình 3.5 Nhiệt độ cực tiểu của cực tiểu thời kỳ 1980-1999 27 Hình 3.6 Tn của các mô hình và quan trắc trên các trạm tính trung bình cho cả giai đoạn 28

Hình 3.7 Nhiệt độ cực đại tháng của Tx (TXx) giai đoạn 1980-1999 từ 5 mô hình29 Hình 3.8 TXx của các mô hình và quan trắc trên các trạm tính trung bình cho cả giai đoạn 30

Hình 3.9 Nhiệt độ cực tiểu tháng của Tn (TNn) giai đoạn 1980-1999 của 5 mô hình

Hình 3.15 Tổ hợp bằng phương pháp hồi quy tuyến tính nhiều biến, phương pháp trung bình đơn giản khi so sánh với các mô hình riêng và quan trắc cho T2m 38

Hình 3.16 Tổ hợp bằng phương pháp hồi quy tuyến tính nhiều biến, phương pháp

Hình 3.17 Tổ hợp bằng phương pháp hồi quy tuyến tính nhiều biến, phương pháp

trung bình đơn giản khi so sánh với các mô hình riêng và quan trắc cho Tn 40

Hình 3.18 Tổ hợp bằng phương pháp hồi quy tuyến tính nhiều biến, phương pháp trung bình đơn giản khi so sánh với các mô hình riêng và quan trắc cho TXx 41

Hình 3.19 Tổ hợp bằng phương pháp hồi quy tuyến tính nhiều biến, phương pháp trung bình đơn giản khi so sánh với các mô hình riêng và quan trắc cho TNn 42

Hình 3.20 Dự tính tổ hợp cho T2m từ 5 mô hình cho giai đoạn 2020-2039 46

Hình 3.21 Dự tính tổ hợp cho Tx từ 5 mô hình cho giai đoạn 2020-2039 46

Hình 3.22 Dự tính tổ hợp cho Tmin từ 5 mô hình cho giai đoạn 2020-2039 47

Hình 3.23 Biến đổi nhiệt độ trên các trạm trong thời kỳ tương lai 2020-2039 so với thời kỳ chuẩn 1980-1999 của yếu tố T2m 47

Hình 3.24 Biến đổi nhiệt độ trên các trạm trong thời kỳ tương lai 2020-2039 so với thời kỳ chuẩn 1980-1999 của yếu tố Tx 48

Hình 3.25 Biến đổi nhiệt độ trên các trạm trong thời kỳ tương lai 2020-2039 so với thời kỳ chuẩn 1980-1999 của yếu tố Tn 48

Danh mục bảng

Bảng 2.1 Danh sách các trạm được sử dụng 19 Bảng 3.1 Sai số trung bình ME, sai số trung bình tuyệt đối MAE và hệ số tương quan giữa

các mô hình và quan trắc cho yếu tố T2m 24 Bảng3.2 Sai số trung bình ME, sai số trung bình tuyệt đối MAE và hệ số tương quan giữa

các mô hình và quan trắc cho yếu tố Tx 26 Bảng 3.3 Sai số trung bình ME, sai số trung bình tuyệt đối MAE và hệ số tương quan giữa

các mô hình và quan trắc cho yếu tố Tn 28 Bảng 3.4 Sai số trung bình ME, sai số trung bình tuyệt đối MAE và hệ số tương quan giữa

các mô hình và quan trắc cho yếu tố TXx 31 Bảng 3.5 Sai số trung bình ME, sai số trung bình tuyệt đối MAE và hệ số tương quan giữa

các mô hình và quan trắc cho yếu tố TNn 33 Bảng 3.6 Sai số trung bình ME, sai số trung bình tuyệt đối MAE và hệ số tương quan giữa

các mô hình và quan trắc cho yếu tố T2m15 36 Bảng3.7 Sai số trung bình ME giữa các mô hình với quan trắc, giữa tổ hợp trung bình đơn

giản và hồi quy tuyến tính với quan trắc 43 Bảng 3.8 Sai số trung bình tuyệt đối MAE giữa các mô hình và quan trắc, giữa tổ hợp

trung bình đơn giản và giữa hồi quy tuyến tính đa biến với quan trắc 44 Bảng 3.9 Hệ số tương quan giữa các mô hình và quan trắc,giữa tổ hợp trung bình đơn

giản và giữa tổ hợp tuyến tính với quan trắc 44 Bảng 3.10 Hệ số hồi quy và hệ số tự do trong phương trình hồi quy tuyến tính đa biến 45

Danh mục viết tắt

MRI Meteorological Research Institute

Mở đầu

Đối với bài toán dự tính khí hậu, một số nhân tố chi phối các quá trình vật lí xảy ra trong khí quyển không được dự báo hoặc xác định mà được giả định dựa trên những kịch bản nào đó Hiện nay, các nhân tố được giả định đó chính là các chất khí nhà kính Trên cơ sở các kịch bản phát thải, hàm lượng khí nhà kính trong khí quyển sẽ được ước tính và các mô hình khí hậu được sử dụng để dự tính khí hậu tương lai Các kịch bản BĐKH toàn cầu sau đó được xây dựng dựa trên những kết quả dự tính này

Nói chung các mô hình khác nhau đưa ra những sản phẩm dự báo/dự tính không giống nhau do tính bất định luôn luôn tiềm ẩn trong các mô hình Do đó, ước lượng được độ bất định của bài toán dự báo/dự tính có vai trò rất quan trọng trong việc nâng cao chất lượng của bản tin dự báo/dự tính Việc xây dựng được các hệ thống đồng hóa, tổ hợp cho các mô hình thời tiết/khí hậu sẽ góp phần cải thiện các kết quả dự báo/dự tính

Đối với bài toán dự tính khí hậu, hiện ở Việt Nam các nghiên cứu đang được thực hiện dựa trên kết quả riêng rẽ từ một số mô hình, phương pháp sử dụng, cũng như khu vực áp dụng Bài toán tổ hợp kết quả nhiều mô hình cho các kịch bản BĐKH trong tương lai đã được thực hiện nhiều trên thế giới và cho những kết quả rất khả quan Tuy nhiên ở Việt Nam hầu như chưa có một nghiên cứu nào được tiến

hành theo hướng này Vì vậy, trong luận văn này tác giả đề xuất đề tài “Nghiên cứu

dự tính tổ hợp cho một số các yếu tố hiện tượng liên quan đến nhiệt độ ở Việt Nam”

để xem xét, ứng dụng cho điều kiện ở Việt Nam

Bố cục luận văn gồm:

Chương 1- Tổng quan Chương 2- Phương pháp nghiên cứu Chương 3- Kết quả và nhận xét

Chương 1- TỔNG QUAN

1.1 Các nghiên cứu ngoài nước

Khái niệm dự báo tổ hợp được đưa ra từ những năm 1974 bởi Leith và dần được phát triển theo 2 phương thức: 1) Dự báo sử dụng rất nhiều mô hình (còn gọi

là siêu tổ hợp); và 2) Dự báo chỉ với một mô hình nhưng với nhiều đầu vào khác

nhau Cách tiếp cận tổ hợp phổ biến nhất hiện nay của các trung tâm khí tượng trên thế giới là sử dụng phương pháp siêu tổ hợp nhiều mô hình để thu được một tổ hợp

có kết quả tốt nhất có thể

Đối với bài toán dự tính BĐKH, từ các kịch bản phát thải khí nhà kính, những thông tin phản ánh điều kiện khí hậu trong tương lai sẽ được xác định khi chạy các mô hình khí hậu toàn cầu với hàm lượng khí nhà kính dự tính của khí quyển Các kịch bản BĐKH toàn cầu sau đó được xây dựng dựa trên những kết quả

dự tính này Nói chung các mô hình khác nhau đưa ra những sản phẩm dự tính không giống nhau do tính bất định luôn luôn tiềm ẩn trong các mô hình Trong mỗi

mô hình đơn lẻ luôn tồn tại những điểm mạnh và những điểm yếu khiến cho “không một mô hình nào được xem là tốt nhất và việc sử dụng kết quả từ nhiều mô hình là quan trọng” (McAvaney và CS., 2001) Nếu hiểu các sai số mô phỏng trong các mô hình khác nhau là độc lập, trung bình của các mô hình có thể được kỳ vọng sẽ tốt hơn mỗi thành phần riêng lẻ, do vậy sẽ cung cấp một dự tính “tốt nhất” Một số kết quả nghiên cứu đã chỉ ra điều này, cho các dự báo mùa (Palmer và CS 2004 [31]; Palmer và CS 2005 [32] Hagedorn và CS 2005) [18] và cho cả việc tái tạo điều kiện khí hậu hiện tại từ các mô phỏng, dự tính khí hậu hạn dài (Lambert và Boer 2001) [23] Bởi vậy, để giảm bớt tính bất định, với cùng một kịch bản phát thải, sản phẩm dự tính của nhiều mô hình khác nhau được sử dụng để xây dựng các kịch bản BĐKH (Tebaldi và Knutti 2007) [38] Việc sử dụng tổ hợp các mô hình toàn cầu chạy ở các trung tâm mô hình hóa khác nhau đã được triển khai cho các dự tính/dự báo khí hậu ở các quy mô thời gian từ mùa đến nhiều năm và thế kỷ Một trong những dự án quan trọng nhất trong vấn đề này có thể kể đến là dự án so sánh đa mô

hình khí hậu CMIP3 (Meehl và CS 2007) [29], thu thập dữ liệu đầu ra của 25 mô hình/phiên bản mô hình toàn cầu nhằm phục vụ cho Báo cáo Đánh giá lần thứ 4 thực hiện bởi nhóm làm việc thứ nhất (Working Group 1) của Ban Liên Chính Phủ

về Biến đổi Khí hậu IPCC (Randall và CS 2007) [34] Hiện nay, dự án CMIP5 đang được tiến hành, tiếp nối dự án CMIP3 với mục tiêu phục vụ Báo cáo Đánh giá lần thứ 5 của IPCC dự kiến xuất bản vào tháng 9 năm 2013

Các mô hình khí hậu toàn cầu mà sản phẩm dự tính của chúng theo các kịch bản phát thải khí nhà kính được sử dụng để xây dựng các kịch bản BĐKH toàn cầu thường có độ phân giải thấp (trong khoảng từ 125 đến 400 km), không đủ chi tiết cho việc phân tích, đánh giá BĐKH và tác động của nó ở qui mô khu vực (Mearns

và CS 2001; Giorgi và CS 2001) [28], [16] Phân tích kết quả từ các mô hình toàn cầu kết hợp đại dương khí quyển cho thấy sai lệch trung bình ở quy mô khu vực khi

mô phỏng khí hậu hiện tại là thay đổi theo mô hình và theo khu vực mô phỏng Ví

dụ Giorgi và Francisco (2000) [15] đã chỉ ra sai lệch với nhiệt độ điển hình vào khoảng +4°C nhưng có thể vượt quá +5°C trên một số khu vực, đặc biệt về mùa đông Các tác giả này cũng chỉ ra độ lệch của lượng mưa thường nằm giữa –40% và +80%, thậm chí vượt 100% trên một số khu vực Một số nghiên cứu khác chỉ ra rằng trong khu vực châu Á gió mùa, các mô hình khí hậu toàn cầu phân giải thô thường không đưa ra được những mô phỏng thỏa đáng (Lau và Yang 1996; Yu và

CS 2000) [24], [41] Trong khi đó, nhiều nghiên cứu đã chỉ ra các mô hình khí hậu khu vực (RCMs) có thể mô phỏng khí hậu khu vực gió mùa tốt hơn so với các mô hình toàn cầu (Liu và CS 1994, 1996; Fu và CS 1998; Lee và Suh 2000) [26], [14], [25] Do đó, để nghiên cứu BĐKH ở quy mô khu vực và từ đó có thể nghiên cứu đánh giá các tác động của BĐKH, một trong những hướng nghiên cứu ưu tiên chính

là hướng hạ thấp quy mô (downscaling) sản phẩm của các mô hình khí hậu toàn cầu (Houghton và CS 1995, 2001) [19], [20]

Phương pháp hạ thấp quy mô động lực (dynamical downscaling) sử dụng các

mô hình khí hậu khu vực (RCM) phân giải cao với điều kiện biên là sản phẩm dự

đủ các quá trình mang tính địa phương và khu vực do độ phân giải cho phép chi tiết hóa các thông tin khu vực như địa hình, các hồ nước, đường bờ biển, phân bố sử dụng đất, độ che phủ bề mặt, v.v Với các quy mô khu vực cỡ 105-106 km2, các RCMs có điều kiện biên tái phân tích thường cho độ lệch nhiệt độ trung bình trong khoảng 2°C và độ lệch lượng mưa trong khoảng 50% so với quan trắc (Giorgi và

CS 2001) [16]

Sản phẩm của các mô hình khí hậu khu vực rất đa dạng, phong phú và đồng

bộ Để có thể áp dụng được phương pháp này đòi hỏi phải có hệ thống lưu trữ và năng lực máy tính mạnh Hơn nữa, độ chính xác cũng như độ bất định của sản phẩm

dự tính phụ thuộc lớn vào bản chất động lực và các sơ đồ tham số hóa vật lí của từng mô hình Nhằm đánh giá năng lực của các RCMs và tính bất định trong việc đưa ra các thông tin khí hậu quy mô khu vực, một số dự án so sánh tổ hợp đa mô hình đã được tiến hành (Takle và CS 1999; Curry và Lynch 2002; Anderson và CS 2003) [37], [13], [9] Việc kết hợp nhiều mô hình vào trong một hệ thống tổ hợp thường làm tăng kỹ năng, độ tin cậy và tính thống nhất của các dự tính (Christensen

và CS 2007) [12] So sánh với một mô hình riêng lẻ, kết quả tổ hợp có thể cho những kết quả tốt hơn (Palmer và Räisäne 2002; Collins 2007; Räisänen 2007; Ulbrich và CS 2008) [30], [11], [33], [40]

1.2 Các nghiên cứu trong nước

Do nhiều nguyên nhân khác nhau, cả khách quan và chủ quan, bài toán định lượng hóa tính bất định của các mô hình số ở Việt Nam đến tại thời điểm này hầu như vẫn chưa có gì đáng ghi nhận Ngay cả cách tiếp cận siêu tổ hợp đơn giản dùng

để tính đến độ bất định trong các mô hình số, mặc dù đã được sử dụng rộng rãi trên thế giới, vẫn gần như còn nhiều mới mẻ ở Việt Nam do cách tiếp cận này đòi hỏi sử dụng rất nhiều mô hình khác nhau mà không thể luôn sẵn có cũng như vận hành trong điều kiện thực tế của Việt Nam

Ở Việt Nam, cách tiếp cận siêu tổ hợp trong đó một tổ hợp các thành phần ban đầu của các các mô hình khác nhau được xây dựng theo phương pháp nuôi nhiễu

gần đây đã được đưa vào triển khai thử nghiệm trong công trình nghiên cứu dự báo bão cấp nhà nước của của Trần Tân Tiến và cộng sự (2010)[8] Các kết quả thu được là rất khả quan và có nghĩa thực tế lớn trong điều kiện năng lực tính toán của Việt Nam còn nhiều hạn chế Một vài đề tài gần đây đang bắt đầu triển khai theo hướng siêu tổ hợp sử dụng đầu vào của các mô hình toàn cầu khác nhau để tích phân một tổ hợp nhiều mô hình do Võ Văn Hòa (2009) làm chủ nhiệm cũng đã thu được một số kết quả bước đầu [1] Ngoài các đề tài tổ hợp mang tính nghiên cứu bước đầu này, hầu như không có một nghiên cứu nào để đánh giá tính dự báo của các mô hình một cách đầy đủ, đặc biệt dựa trên bộ lọc Kalman tổ hợp

Đối với bài toán khí hậu, nhất là trong lĩnh vực BĐKH, ở Việt Nam đến nay

đã có nhiều công trình được công bố như các công trình của Nguyễn Đức Ngữ và Nguyễn Trọng Hiệu (1991)[3], Nguyễn Đức Ngữ (2008), Nguyễn Viết Lành (2007)[2], Trần Việt Liễn và CS (2007)[3]

Từ năm 1994 đến 1998, Nguyễn Đức Ngữ và CS đã hoàn thành kiểm kê quốc gia khí nhà kính năm 1993 [4], xây dựng các phương án giảm khí nhà kính ở Việt Nam, đánh giá tác động của BĐKH đến các lĩnh vực kinh tế xã hội chủ yếu, xây dựng kịch bản BĐKH ở Việt Nam cho các năm 2020, 2050, 2070

Năm 2003, Bộ Tài nguyên và Môi trường đã hoàn thành Thông báo Quốc gia đầu tiên của Việt Nam cho Công ước khung của Liên hợp quốc về BĐKH Đến năm

2010, Thông báo Quốc gia lần thứ hai cũng đã được hoàn thành, trong đó tập trung kiểm kê quốc gia khí nhà kính cho năm 2010 và ước tính phát thải khí nhà kính cho giai đoạn 2011-2030

Trong chiến lược phòng tránh thiên tai ở Việt Nam, những hiện tượng đáng quan tâm nhất là các thiên tai có nguồn gốc khí tượng Nhiều bằng chứng đã chứng

tỏ những hiện tượng thời tiết, khí hậu cực đoan ngày càng có xu hướng xuất hiện với tần suất nhiều hơn và cường độ mạnh hơn Ví dụ tháng 3 năm 2011 đang chứng kiến đợt rét đậm nhất trong lịch sử với các đợt rét đậm rét hại kèm theo tuyết tại các tỉnh vùng núi phía Bắc Cũng như vậy, mùa đông năm 2010 là mùa đông ấm nhất

trong lịch sử với nhiệt độ trung bình ngày lên đến 280C trong khoảng từ ngày 07 đến ngày 10 tháng 02 năm 2010

Ngày 02/12/2008, Thủ tướng Chính phủ đã ký Quyết định số 158/2008/QĐ–TTg phê duyệt Chương trình mục tiêu quốc gia về ứng phó với biến đổi khí hậu với mục tiêu chiến lược của Chương trình là nhằm nâng cao khả năng ứng phó với biến đổi khí hậu của Việt Nam trong từng giai đoạn cụ thể; bảo đảm sự phát triển bền vững của đất nước, ổn định cuộc sống của nhân dân

Trong nghiên cứu BĐKH, việc dự tính được kịch bản biến đổi trong tương lai là cơ sở cho các nghiên cứu đánh giá trong nhiều lĩnh vực, ngành nghề với nhau Tháng 06/2009, Bộ Tài nguyên và Môi trường đã công bố Kịch bản Biến đổi Khí hậu, nước biển dâng cho Việt Nam, trong đó đã sử dụng phần mềm hạ thấp quy mô thống kê (statistical downscaling) MAGICC/SCENGEN của Mỹ để đưa ra kịch bản BĐKH và nước biển dâng cho 7 vùng khí hậu Theo các kịch bản được công bố, khí hậu trên tất cả các vùng của Việt Nam sẽ có nhiều biến đổi Vào cuối thế kỷ 21, nhiệt độ trung bình năm ở nước ta tăng khoảng 2,3˚C; tổng lượng mưa năm và lượng mưa mùa mưa tăng trong khi lượng mưa mùa khô lại giảm; mực nước biển dâng khoảng 75 cm so với trung bình thời kỳ 1980 – 1999 Theo kế hoạch, Bộ Tài nguyên Môi trường sẽ tiếp tục cập nhật các kịch bản BĐKH, trong đó dự kiến sẽ kết

for Impacts Studies) phát triển tại Trung tâm Hadley, Vương quốc Anh và kết quả của mô hình toàn cầu MRI của Viện nghiên cứu Khí tượng Nhật Bản

Gần đây hơn, Phan Văn Tân và CS (2010) [6] trong Dự án Danida “Đánh giá tác động của Biến đổi khí hậu đến điều kiện tự nhiên, môi trường và phát triển kinh tế - xã hội ở Trung Trung Bộ Việt Nam” do Mai Trọng Thông làm chủ nhiệm,

đã tiến hành xây dựng kịch bản BĐKH chi tiết đến 2050 cho khu vực Trung Trung

Bộ bằng phương pháp hạ thấp quy mô động lực Hai mô hình khí hậu khu vực là RegCM3 (Regional Climate Model phiên bản 3.0) và CCAM (Cubic Conformal Amostpheric Model) đã được sử dụng để dự tính một số yếu tố và hiện tượng liên

quan đến trường mưa và nhiệt độ Phan Văn Tân và CS (2011) [7] cũng đã thực hiện đề tài “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” trong khuôn khổ Chương trình KC.08/0610 (“Khoa học và công nghệ phục vụ phòng tránh thiên tai, bảo vệ môi trường và sử dụng hợp lý tài nguyên thiên nhiên”) Trong đề tài này đã đề cập đến các dự tính BĐKH từ một số mô hình

khu vực Tuy nhiên các dự tính mới chỉ được thực hiện riêng lẻ cho từng mô hình

và cũng chỉ đến 2050

Qua những nội dung tổng quan ở trên có thể thấy rằng việc sử dụng các phương pháp tổ hợp các kết quả từ các mô hình khác nhau đã cho những kết quả khả quan để cải thiện chất lượng các bản tin dự báo/dự tính Vì vậy trong luận văn này tác giả tiến hành thử nghiệm một số phương pháp tổ hợp để dự tính cho một số các yếu tố, hiện tượng liên quan đến nhiệt độ ở Việt Nam

Chương 2- PHƯƠNG PHÁP VÀ SỐ LIỆU NGHIÊN CỨU

Trong luận văn này, tác giả sử dụng kết quả từ 5 mô hình khí hậu khu vực để nghiên cứu hệ thống tổ hợp gồm: RegCM, MM5, MRI, CCAM và REMO Mô hình RegCM là mô hình khí hậu khu vực đã được ứng dụng để nghiên cứu khí hậu quá khứ, hiện tại và tương lai tại nhiều nơi khác nhau trên thế giới, từ Châu Mỹ, Châu

Âu đến Châu Á, Châu Phi [27], [22], [10], [23] Mô hình MM5 vốn là mô hình nghiên cứu và dự báo thời tiết nhưng do nhu cầu nghiên cứu khoa học và sự phát triển của công nghệ nên đã được cải tiến để phục vụ cả bài toán nghiên cứu khí hậu

Mô hình MM5 có khả năng lồng nhiều lưới; Động lực phi thủy tĩnh; Cho phép mô hình sử dụng được ở quy mô vài cây số; Khả năng chạy trên nhiều máy tính phối hợp bộ nhớ; Mô tả được nhiều quá trình vật lí; Khả năng đồng hóa dữ liệu 4 chiều Với mô hình khí hậu khu vực REMO, REMO có thể ứng dụng được cho cả dự báo thời tiết và nghiên cứu khí hậu Tuy nhiên, viện khí tượng Max Planck - MPIfM và trung tâm tính toán mô hình hóa phục vụ dự báo khí hậu - DKRZ đã phát triển REMO theo hướng một mô hình khí hậu khu vực với mục đích là mô hình khí quyển trong hệ thống couple mô hình khí quyển – đại dương phục vụ cho dự án BALTEX cũng như là một mô hình độc lập nghiên cứu và mô phỏng khí hậu Mô hình CCAM là một mô hình còn mới ở Việt Nam, nó phục vụ cho cả dự báo toàn cầu lẫn khu vực Mô hình này có nhiều ưu điểm là tính toán sao cho các vùng khác nhau trên toàn cầu đều có chung độ phân giải đồng nhất hoặc chênh lệch giữa các vùng là không lớn (khoảng cách từ xích đạo về cực chênh nhau đáng kể) [39] Mô hình MRI được biết đến là mô hình khí hậu khu vực cho kết quả gần với quan trắc nhất hiện nay của Nhật Bản

Dựa vào những ưu điểm trên của các mô hình, luận văn này tác giả đã đề xuất sử dụng kết quả từ 5 mô hình Mỗi mô hình được tiến hành chạy với 2 kịch bản phát thải khí nhà kính là A1B và A2 cho giai đoạn 2000 – 2039 và đồng thời chạy với bộ số liệu chuẩn thời kỳ 1980 -1999 Số liệu đầu ra của 5 mô hình sử dụng trong luận văn này là kết quả thừa kế từ các nghiên cứu trước

2.1 Hệ thống tổ hợp các kết quả mô hình

2.2.1 Trung bình tổ hợp đơn giản (Simple Ensemble Mean)

Giả sử M là tổng số mô hình dự báo F i là giá trị dự báo của mô hình thứ i Giả sử M là tổng số mô hình dự báo F i là giá trị dự báo của mô hình thứ i,

là giá trị trung bình theo thời gian của dự báo từ mô hình thứ i thì trung bình tổ

hợp (Ensemble Mean) được tính bởi công thức:

Với phương pháp này các trung bình trọng số được coi là bằng nhau

2.1.2 Hồi quy tuyến tính nhiều biến

Phương pháp dự báo sử dụng ở đây là hồi qui tuyến tính, chuỗi số liệu quan trắc Y được biểu diễn bởi tổ hợp tuyến tính của các mô hình khí hậu khu vực X1,

X2, , Xm trên mỗi trạm hoặc trên một vùng bằng hệ thức:

0 1

m

j j j

j j

(2.3)

Với Rjk là mômen tương quan giữa các nhân tố Xj và Xk (j,k=1,2, ,m), Ryk là mômen tương quan giữa yếu tố dự báo Y và nhân tố Xk (k=1,2, ,m); y,xj là giá trị trung bình của Y và các Xj

2.2 Các chỉ số thống kê dùng để đánh giá

Trong các công thức dưới đây, Fi và Oi tương ứng là giá trị mô hình và giá trị quan trắc của một biến nào đó (nhiệt độ, lượng mưa), i=1,2,…, N, N là dung lượng mẫu

1 Sai số trung bình (ME - Mean Error)

1ME

Giá trị của ME nằm trong khoảng (-∞, +∞) ME cho biết xu hướng lệch trung bình của giá trị dự báo so với giá trị quan trắc, nhưng không phản ánh độ lớn của sai

số ME dương cho biết giá trị dự báo vượt quá giá trị quan trắc và ngược lại Mô hình được xem là “hoàn hảo” (không thiên lệch về một phía nào cả) nếu ME=0

2 Sai số tuyệt đối trung bình (MAE-Mean Absolute Error)

1MAE

Giá trị MAE nằm trong khoảng (0,+∞) MAE biểu thị biên độ trung bình của sai số mô hình nhưng không nói lên xu hướng lệch của giá trị dự báo và quan trắc Khi MAE = 0, giá trị của mô hình hoàn toàn trùng khớp với giá trị quan trắc, mô hình được xem là “lý tưởng” Thông thường MAE được sử dụng cùng với ME để đánh giá độ tin cậy Chẳng hạn, nếu MAE của sản phẩm khác biệt hẳn so với ME thì việc hiệu chỉnh là hết sức mạo hiểm Trong trường hợp ngược lại, khi mà MAE

và ME tương đối “sát” với nhau thì có thể dùng ME để hiệu chỉnh sản phẩm dự báo một cách đáng tin cậy

3 Hệ số tương quan (Correlation coefficient)

(2.4)

(2.5)

i i

N

i

i i

O O F

F

O O F F r

1

2 1

2 1

)(

)(

))(

(

Hệ số tương quan (r) cho phép đánh giá mối quan hệ tuyến tính giữa tập giá trị dự báo và tập giá trị quan trắc Giá trị của nó biến thiên trong khoảng -1 đến 1, giá trị hoàn hảo bằng 1 Giá trị tuyệt đối của hệ số tương quan càng lớn thì mối quan hệ tuyến tính giữa hai biến càng chặt chẽ Hệ số tương quan dương phản ánh mối quan hệ cùng chiều (đồng biến), ngược lại, hệ số tương quan âm biểu thị mối quan hệ ngược chiều (nghịch biến) giữa dự báo và quan trắc

2.3 Nguồn số liệu

2.3.1 Số liệu quan trắc

Số liệu quan trắc trên 80 trạm (bảng 2.1) của các yếu tố nhiệt độ trung bình 2m (T2m), nhiệt độ cực đại tháng (Tx), nhiệt độ cực tiểu tháng (Tm), nhiệt độ cực tiểu của cực tiểu tháng (TNn), cực đại tháng của cực đại tháng (TXx), được xử lý là các file số liệu dạng TEXT chứa T2m, Tx, Tm, TXx, TNn cho từng tháng và năm của các trạm trên bảy vùng khí hậu trong giai đoạn 1980-1999

Các trạm không có số liệu hoặc khuyết nhiều số liệu sẽ bị loại bỏ trong quá trình tính toán

Nội dung các file số liệu cụ thể như sau:

(2.6)

2.3.2 Số liệu từ đầu ra các mô hình

Kết quả từ 5 mô hình với miền tính tương đối giống nhau, cụ thể: mô hình CCAM với 82 x 82 điểm lưới và chạy từ 5N– 25N, 100E–120E; mô hình MM5 với

105 x 144 điểm lưới chạy từ 5S – 27N, 85E – 131E; mô hình REMO với 98 x 146 điểm lưới và chạy từ 5S – 27N, 84E – 132E; mô hình MRI với 88 x 45 điểm lưới

và chạy từ 8N – 24N, 102E – 110E; mô hình RegCM với 104 x 143 điểm lưới và chạy từ 5S–27N, 85E–131E

Từ bộ số liệu trung bình của từng tháng cho 20 năm giai đoạn 1980-1999 của thời kì chuẩn và bộ số liệu cho thời kì tương lai chạy với kịch bản phát thải khí nhà kính A1B, giai đoạn 2020-2035 mà 5 mô hình mô phỏng, tác giả nội suy các giá trị

từ lưới về 80 điểm trạm ứng với giá trị quan trắc thực tế

Hình 2.1 Phân bố vị trí các trạm

Chương 3- KẾT QUẢ VÀ PHÂN TÍCH

3.1 Kết quả mô phỏng của các mô hình và đánh giá cho thời kỳ chuẩn

Trong phần này sử dụng kết quả từ 5 mô hình khu vực MM5, MRI, REMO, RegCM, và CCAM Khi so sánh với quan trắc các giá trị từ mô hình sẽ được nội suy về các trạm Số liệu của các mô hình và số liệu quan trắc là số liệu trong thời kỳ chuẩn 1980-1999

a) Nhiệt độ T2m

Hình 3.1 Nhiệt độ trung bình T2m thời kỳ 1980-1999 của 5 mô hình

Như hình 3.1, thể hiện nhiệt độ 2m trung bình năm của giai đoạn nghiên cứu (1980-1999) so sánh giữa 5 mô hình Có thể nhận thấy sự mô phỏng cao hơn hẳn của REMO, thấp hơn cả của MM5 và RegCM Sự khác biệt mang tính hệ thống trên toàn khu vực Việt Nam, và đặc biệt rõ nét ở khu vực Nam Bộ Nhiệt độ mô phỏng nằm trong khoảng từ 150C đến 300C

Hình 3.2 T2m của các mô hình và quan trắc trên các trạm tính trung bình cho cả giai đoạn

Điều đầu tiên dễ dàng nhận thấy là các mô hình mô phỏng tương đối tốt hình thế của nhiệt độ T2m Khi so sánh với số liệu quan trắc như trên hình 3.2 ta có thể nhận thấy rõ ràng xu hướng thiên dương của CCAM và REMO, đồng thời ta cũng thấy RegCm và MM5 có xu hướng mô tả nhiệt độ T2m thiên âm so với quan trắc

Do các trạm được sắp xếp theo thứ tự từ bắc vào nam nên ta có thể thấy các mô hình mô phỏng nhiệt độ T2m cho khu vực miền Nam tốt hơn và gần với quan trắc hơn so với các khu vực còn lại Điều này thể hiện rõ hơn xu hướng thiên âm hay thiên dương của các mô hình và khả năng mô phỏng của các mô hình khi xét đến các giá trị sai số trung bình ME, MAE, hệ số tương quan giữa các mô hình và quan trắc

Bảng 3.1 Sai số trung bình ME, sai số trung bình tuyệt đối MAE và hệ số tương quan giữa các mô hình và quan trắc cho yếu tố T2m

10 12 14 16 18 20 22 24 26 28 30

Rõ ràng mô hình MRI cho sai số ME và MAE nhỏ nhất phù hợp với nhận xét

ở trên rằng MRI cho kết quả mô phỏng gần với quan trắc nhất Hệ số tương quan của tất cả các mô hình với quan trắc đều lớn hơn 0.7 chứng tỏ sự nắm bắt tương đối tốt sự biển đổi của T2m theo không gian trạm của các mô hình với quan trắc

b) Nhiệt độ cực đại ngày Tx

Hình 3.3 Nhiệt độ cực đại trung bình của thời kỳ 1980-1999 cho 5 mô hình

Nhiệt độ cực đại cho thời kỳ 1980-2000, được mô phỏng bởi các mô hình khác nhau cho kết quả khác nhau rõ rệt Từ hình 3.3, có thể nhận thấy rõ mô hình MM5 cho kết quả thấp nhất; phân bố gần như bao phủ khắp cả nước Trong khi đó,

mô hình CCAM, lại cho kết quả tương đối cao trên toàn bộ vùng lãnh thổ Mô hình MRI và REMO dường như thể hiện được sự phân biệt nhiệt độ rõ rệt giữa 2 miền Nam – Bắc

Hình 3.4 Tx của các mô hình và quan trắc trên các trạm tính trung bình cho cả giai đoạn

Khi so sánh với quan trắc, rõ ràng các mô hình CCAM, MM5 và RegCM cho

mô phỏng nhiệt độ cực đại chênh lệch rất lớn, xấp xỉ khoảng 5oC cho các trạm khu vực miền Bắc và miền Trung trong đó CCAM cho mô phỏng thiên dương so với quan trắc và MM5, RegCM cho mô phỏng thiên âm so với quan trắc Hai mô hình còn lại, MRI và REMO cho mô phỏng gần với quan trắc hơn trong đó MRI nắm bắt tốt hơn xu thế biến đổi của Tx, REMo cũng cho xu hướng thiên âm nhẹ Một điều nữa ta có thể nhận thấy đó là mô phỏng cho các trạm khu vực miền Nam tốt hơn so với các khu vực còn lại đối với tất cả các mô hình

Bảng3.2 Sai số trung bình ME, sai số trung bình tuyệt đối MAE và hệ số tương quan giữa các mô hình và quan trắc cho yếu tố Tx

10 15 20 25 30 35 40

trạm

OBS CCAM MM5 MRI RegCM REMO

Ngoại trừ mô hình MRI cho sai số ME và MAE tương đối nhỏ thì các mô hình còn lại đều cho sai số rất lớn Khi xét đến hệ số tương quan thì mô hình CCAM là mô hình có sự tương quan với quan trắc là kém nhất, cao nhất là mô hình MRI nhưng hệ số tương quan cũng chỉ là 0.662 Các sai số một lần nữa chỉ ra sự chênh lệch rất lớn khi mô phỏng Tx của ba mô hình CCAM, RegCM và MM5

c) Nhiệt độ cực tiểu ngày Tn

Hình 3.5 Nhiệt độ cực tiểu của cực tiểu thời kỳ 1980-1999

Có sự khác biệt về phân bố so với nhiệt độ cực đại, nhiệt độ cực tiểu lại cho thấy một biến thiên nhiệt độ từ Bắc vào Nam khá tương đồng Ba mô hình CCAM, MM5 và MRI cho kết quả thiên thấp hơn so với hai mô hình RegCM và REMO trên toàn bộ khu vực Mô hình REMO trong trường hợp này lại cho kết quả cao hơn các

mô hình khác, giá trị nhiệt độ cực tiểu của cực tiểu khoảng 260C - 280C