Tổng quan nghiên cứu

Dự báo khí hậu hạn mùa với khoảng thời gian dự tính từ 1 đến 6 tháng đóng vai trò then chốt trong việc giảm thiểu thiệt hại do thiên tai và tối ưu hóa kế hoạch phát triển kinh tế - xã hội. Tại Việt Nam, dưới tác động phức tạp của biến đổi khí hậu toàn cầu và các hiện tượng quy mô lớn như dao động El Nino - Dao động Nam (ENSO), tần suất và cường độ của các hiện tượng thời tiết cực đoan như bão, nắng nóng gay gắt và mưa lớn diện rộng ngày càng gia tăng. Trong nhiều thập kỷ, các phương pháp thống kê truyền thống chủ yếu dựa trên chuỗi số liệu lịch sử và các chỉ số hoàn lưu khí quyển quy mô lớn. Tuy nhiên, các phương pháp này bộc lộ nhiều hạn chế khi dự báo các giá trị cực trị hoặc trong các giai đoạn khí hậu có sự biến đổi đột ngột.

Nhằm nâng cao chất lượng dự báo nghiệp vụ khí tượng thủy văn, đề tài luận văn thạc sĩ chuyên ngành Khí tượng và Khí hậu học tập trung đánh giá toàn diện khả năng dự báo hạn mùa của hai mô hình khí hậu khu vực tiên tiến là RegCM4.2 và clWRF phiên bản 3.3.1. Nghiên cứu thực hiện đánh giá cho các trường nhiệt độ trung bình (T2m), nhiệt độ cao nhất (Tx), nhiệt độ thấp nhất (Tn) và lượng mưa trên phạm vi toàn lãnh thổ Việt Nam với 7 vùng khí hậu đặc trưng, bao gồm Tây Bắc, Đông Bắc, Đồng bằng Bắc Bộ, Bắc Trung Bộ, Nam Trung Bộ, Tây Nguyên và Nam Bộ. Bộ số liệu dự báo được thử nghiệm trong giai đoạn 2012 - 2013 với tổng cộng 64 lần chạy độc lập ở các hạn dự báo 3 tháng và 6 tháng, sử dụng điều kiện biên cập nhật 6 giờ một lần từ hệ thống dự báo khí hậu toàn cầu CFS của Trung tâm Dự báo Môi trường Quốc gia Hoa Kỳ (NCEP). Kết quả nghiên cứu cung cấp cơ sở định lượng quan trọng với các chỉ số sai số cụ thể, giúp định hướng ứng dụng và phát triển hệ thống mô hình động lực trong công tác dự báo hạn mùa tại Việt Nam.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Cơ sở lý luận của nghiên cứu dựa trên lý thuyết hoàn lưu khí quyển quy mô lớn kết hợp tương tác khí quyển - đại dương và phương pháp hạ quy mô động lực (Dynamical Downscaling). Do các mô hình hoàn lưu chung toàn cầu (GCM/CFS) có độ phân giải không gian thô (thường từ 100 đến 300 km), chúng không thể mô tả chi tiết tác động của địa hình phân hóa mạnh và dải bờ biển hẹp tại Việt Nam. Phương pháp hạ quy mô động lực sử dụng mô hình khí hậu khu vực (RCM) lồng ghép vào mô hình toàn cầu, cho phép tích hợp các quá trình vật lý vi mô và tái hiện các trường khí tượng ở quy mô không gian chi tiết hơn.

Nghiên cứu ứng dụng hai mô hình động lực khu vực chủ đạo:

  • Mô hình RegCM phiên bản 4.2: Được xây dựng trên nền tảng động lực thủy tĩnh của mô hình MM5, sử dụng sơ đồ tham số hóa đối lưu tích phân Grell với cơ chế đóng Arakawa - Schubert, sơ đồ tương tác bề mặt sinh quyển - khí quyển BATS và sơ đồ truyền xạ CCM3.
  • Mô hình clWRF phiên bản 3.3.1: Phiên bản mở rộng phục vụ nghiên cứu khí hậu phát triển từ nhân động lực phi thủy tĩnh ARW (Advanced Research WRF), tích hợp sơ đồ vi vật lý WSM 3 pha, sơ đồ đối lưu nhiệt đới Kain - Fritsch cải tiến, sơ đồ mô hình mặt đất Noah và sơ đồ bức xạ sóng dài, sóng ngắn CAM.

Cả hai mô hình được cấu hình chung trên miền tính toán gồm 144 x 130 điểm lưới, tâm đặt tại 20°N - 105°E với bước lưới không gian 36 km x 36 km và 18 tầng thẳng đứng, bao phủ toàn bộ lãnh thổ đất liền và vùng biển lân cận của Việt Nam.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm bao gồm số liệu quan trắc hàng ngày về nhiệt độ bề mặt (T2m, Tx, Tn) và lượng mưa đo đạc tại 64 trạm khí tượng bề mặt đại diện trên toàn quốc trong giai đoạn từ ngày 09/01/2012 đến ngày 20/05/2013. Mạng lưới 64 trạm được lựa chọn dựa trên tiêu chí chuỗi số liệu đầy đủ, liên tục, độ tin cậy cao và phân bố đều tại 7 vùng khí hậu địa hình khác biệt. Dữ liệu đầu ra của các mô hình tại các nút lưới tính toán được nội suy song tuyến tính (Bilinear Interpolation) về đúng tọa độ địa lý của từng trạm quan trắc nhằm đảm bảo tính khách quan và đồng nhất khi so sánh điểm - điểm.

Để đánh giá định lượng chất lượng dự báo, nghiên cứu áp dụng hai hệ thống phương pháp trắc lượng thống kê chuẩn mực quốc tế do Tổ chức Khí tượng Thế giới (WMO) khuyến nghị:

  • Trắc lượng đối với các biến liên tục (nhiệt độ và tổng lượng mưa): Sử dụng phương pháp đồ thị phân tán điểm (Scatter Plot) kết hợp tính toán sai số trung bình (ME), sai số tuyệt đối trung bình (MAE), sai số toàn phương trung bình (RMSE) và hệ số tương quan bất thường (ACC). Việc kết hợp cả ME, MAE và RMSE giúp lượng hóa đồng thời độ lệch xu thế trung bình lẫn độ phân tán của các sai số cực đại.
  • Trắc lượng đối với các biến phân loại và hiện tượng ngưỡng (mưa lớn, ngưỡng nhiệt): Xây dựng bảng tiếp biến ngẫu nhiên 2x2 để xác định các chỉ số định lượng bao gồm xác suất phát hiện (POD), tỷ lệ cảnh báo sai (FAR), chỉ số tần suất (FBI), tỷ lệ dự báo đúng (PC), chỉ số kỹ năng Heidke (HSS) và chỉ số kỹ năng Kuipers (KSS/TSS). Phương pháp này giúp xác định chính xác khả năng tách biệt các pha thời tiết cực đoan của từng mô hình so với dự báo ngẫu nhiên.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích đối sánh 64 đợt chạy dự báo hạn mùa của RegCM4.2 và clWRF mang lại bốn phát hiện khoa học nổi bật:

Thứ nhất, đối với nhiệt độ trung bình tháng (T2m), cả hai mô hình đều thể hiện kỹ năng mô phỏng rất tốt xu thế biến thiên theo mùa trên hầu hết các vùng khí hậu. Hệ số tương quan giữa dự báo và quan trắc ở hạn 3 tháng đạt mức từ 0,72 đến 0,88. Sai số tuyệt đối trung bình (MAE) toàn quốc dao động trong khoảng từ 1,1°C đến 2,3°C. Mô hình clWRF cho thấy ưu thế vượt trội tại khu vực Tây Bắc (B1) và Tây Nguyên (N2) khi giảm sai số RMSE khoảng 14% so với RegCM4.2 nhờ khả năng xử lý tốt hơn dòng khí động lực qua địa hình dốc.

Thứ hai, trong mô phỏng nhiệt độ cực trị ngày, mô hình RegCM4.2 có xu hướng dự báo thấp hơn thực tế đối với nhiệt độ cực đại ngày (Tx), thể hiện qua sai số ME âm từ -0,6°C đến -1,8°C, đặc biệt là trong các tháng chuyển tiếp mùa hè tại Bắc Trung Bộ (B4). Ngược lại, clWRF tái hiện sát hơn biên độ ngày đêm của nhiệt độ cực tiểu (Tn), với sai số MAE duy trì dưới 1,5°C tại vùng Đồng bằng Bắc Bộ (B3) và Nam Bộ (N3).

Thứ ba, đối với dự báo tổng lượng mưa và số ngày mưa lớn, cả hai mô hình tái hiện được phân bố không gian vĩ mô của dải mưa gió mùa nhưng gặp khó khăn trong việc dự báo chính xác tâm mưa cực lớn. Mô hình clWRF có xác suất phát hiện (POD) các đợt mưa diện rộng đạt từ 0,62 đến 0,74, cao hơn mức 0,53 đến 0,65 của RegCM4.2 khoảng 9% đến 12%. Tuy nhiên, tỷ lệ cảnh báo sai (FAR) của cả hai mô hình vẫn ở mức tương đối cao, dao động từ 0,38 đến 0,52 đối với các ngưỡng mưa tích lũy trên 50 mm/ngày.

Thứ tư, khi tăng hạn dự báo từ 3 tháng lên 6 tháng, sai số toàn phương trung bình (RMSE) của trường nhiệt độ tăng trung bình từ 18% đến 26% tùy theo từng vùng. Sự suy giảm kỹ năng dự báo rõ rệt nhất xảy ra đối với trường lượng mưa tại khu vực duyên hải Nam Trung Bộ (N1), nơi chịu ảnh hưởng phối hợp của địa hình chắn gió Trường Sơn và bão nhiệt đới.

Thảo luận kết quả

Nguyên nhân dẫn đến sai số hệ thống của hai mô hình xuất phát từ cấu trúc động lực và sơ đồ tham số hóa vật lý. RegCM4.2 sử dụng phương trình động lực thủy tĩnh nên có xu hướng làm mượt địa hình và đánh giá thấp quá trình đối lưu bốc bay mãnh liệt cục bộ tại các thung lũng lòng chảo Tây Bắc và Tây Nguyên. Trong khi đó, mô hình phi thủy tĩnh clWRF với sơ đồ đối lưu Kain - Fritsch giải quyết tốt hơn sự bất ổn định nhiệt động lực học trong khí quyển, giúp giảm thiểu hiện tượng đánh giá thấp lượng mưa cực trị.

Các kết quả sai số được biểu diễn trực quan và rõ nét qua hệ thống đồ thị phân tán điểm (Scatter Plot). Dải điểm số liệu của nhiệt độ phân bố tập trung sát đường chéo lý tưởng 45 độ, chứng minh độ tin cậy cao của trường nhiệt độ. Ngược lại, đồ thị sai số trung bình tháng của lượng mưa cho thấy độ phân tán rộng hơn, phản ánh độ nhạy cao của mô hình với điều kiện biên ẩm từ mô hình toàn cầu CFS.

So sánh với các nghiên cứu quốc tế về hạ quy mô động lực tại khu vực gió mùa Đông Nam Á, kết quả này hoàn toàn tương đồng với các kết luận của các nhóm nghiên cứu tại Trung tâm Dự báo Môi trường Quốc gia Hoa Kỳ và Trung tâm Khí tượng Châu Âu (ECMWF). Việc sai số gia tăng ở hạn dự báo 6 tháng khẳng định quy luật tích lũy nhiễu động biên của các mô hình RCM khi chạy tích phân thời gian dài trong điều kiện nhiệt đới ẩm.

Đề xuất và khuyến nghị

Dựa trên kết quả đánh giá thực nghiệm, nghiên cứu đề xuất 4 nhóm giải pháp chiến lược nhằm tối ưu hóa công tác dự báo khí hậu hạn mùa tại Việt Nam:

  1. Thiết lập tổ hợp đa mô hình động lực (Multi-Model Ensemble): Kết hợp đồng thời dự báo từ clWRF, RegCM4.2 và mô hình toàn cầu CFS với phương pháp gán trọng số tối ưu theo từng vùng khí hậu. Đặt mục tiêu giảm sai số RMSE nhiệt độ toàn quốc xuống dưới 1,2°C và nâng chỉ số kỹ năng KSS của lượng mưa lên trên 0,45 trong lộ trình thực hiện 12 tháng. Chủ thể thực hiện: Trung tâm Dự báo Khí tượng Thủy văn Quốc gia phối hợp với các cơ sở đào tạo chuyên ngành.

  2. Ứng dụng kỹ thuật hiệu chỉnh sai số sau dự báo (Model Output Statistics / Post-processing): Xây dựng các thuật toán thống kê hồi quy phân vị (Quantile Mapping) và tích hợp các mô hình học máy để tự động khử sai số hệ thống (Bias Correction) cho các trạm quan trắc mặt đất. Mục tiêu giảm tỷ lệ cảnh báo sai (FAR) đối với các ngưỡng mưa lớn từ mức 0,45 hiện tại xuống dưới 0,25 trong vòng 6 tháng tới. Chủ thể thực hiện: Phòng Dự báo Khí hậu thuộc Tổng cục Khí tượng Thủy văn.

  3. Tăng cường độ phân giải không gian và cập nhật dữ liệu bề mặt: Nâng cấp độ phân giải lưới tính toán từ 36 km x 36 km xuống quy mô 10 km x 10 km đến 12 km x 12 km, đồng thời cập nhật dữ liệu lớp phủ bề mặt thực vật GLCC và nhiệt độ mặt nước biển (SST) có độ phân giải cao theo chu kỳ 6 giờ một lần. Kế hoạch triển khai thực hiện trong giai đoạn từ 18 đến 24 tháng. Chủ thể thực hiện: Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu.

  4. Xây dựng quy trình nghiệp vụ dự báo chuyên đề cho các ngành kinh tế: Chuyển giao các bộ chỉ số đánh giá kỹ năng mô hình thành các bản tin cảnh báo sớm hạn 3 đến 6 tháng phục vụ điều tiết hồ chứa thủy điện, quy hoạch lịch thời vụ nông nghiệp và phòng chống hạn mặn tại Đồng bằng sông Cửu Long. Timeline hoàn thiện khung quy trình trong vòng 2 năm. Chủ thể thực hiện: Bộ Tài nguyên và Môi trường phối hợp với Bộ Nông nghiệp và Phát triển Nông thôn.

Đối tượng nên tham khảo luận văn

Nội dung và phương pháp luận của luận văn mang lại giá trị thực tiễn cho 4 nhóm đối tượng cụ thể:

  • Dự báo viên và chuyên gia khí tượng thủy văn: Nắm bắt chi tiết quy trình thiết lập, vận hành hai mô hình RegCM4.2 và clWRF cũng như phương pháp đánh giá sai số chuẩn hóa của WMO, từ đó dễ dàng lựa chọn mô hình phù hợp nhất cho từng vùng khí hậu cụ thể trong tác nghiệp dự báo mùa.
  • Giảng viên, nghiên cứu sinh và học viên cao học chuyên ngành Khoa học Khí quyển: Tiếp cận tài liệu tham khảo học thuật chuyên sâu về phương pháp hạ quy mô động lực, cách thức xử lý dữ liệu lưới lớn NetCDF và hệ thống công thức trắc lượng toán thống kê đối với cả biến liên tục lẫn biến phân loại.
  • Kỹ sư quản lý tài nguyên nước và vận hành công trình thủy điện: Sử dụng nguồn thông tin đánh giá độ tin cậy của mô hình ở hạn 3 đến 6 tháng để thiết lập mô hình dòng chảy gia nhập hồ, chủ động lập kế hoạch tích trữ nước phục vụ phát điện và xả lũ an toàn trong mùa mưa bão.
  • Cơ quan quản lý rủi ro thiên tai và hoạch định chính sách nông nghiệp: Khai thác bức tranh sai số chi tiết của 7 vùng khí hậu để xây dựng kế hoạch chuyển đổi cơ cấu cây trồng, chủ động bố trí nguồn lực ứng phó sớm với các đợt hạn hán, rét đậm rét hại hoặc mưa lũ diện rộng.

Câu hỏi thường gặp

Tại sao mô hình khí hậu khu vực lại cho kết quả dự báo tốt hơn mô hình toàn cầu tại Việt Nam?
Mô hình toàn cầu có bước lưới rất thô (từ 100 đến 300 km), không thể mô phỏng được dải địa hình dốc hẹp và sự phân hóa khí hậu phức tạp của 7 vùng khí hậu tại Việt Nam. Mô hình khu vực với độ phân giải 36 km đã chi tiết hóa các quá trình vật lý vi mô, giúp giảm sai số nhiệt độ từ 2°C đến 3°C so với mô hình toàn cầu.

Mô hình RegCM4.2 và clWRF mô hình nào hoạt động tốt hơn trong dự báo nhiệt độ hạn mùa?
Cả hai mô hình đều đạt hệ số tương quan nhiệt độ trên 0,72. Tuy nhiên, clWRF chiếm ưu thế hơn tại các vùng địa hình phức tạp như Tây Bắc và Tây Nguyên nhờ nhân động lực phi thủy tĩnh, trong khi RegCM4.2 có tốc độ tính toán nhanh và mô phỏng ổn định trường nhiệt độ trung bình tại các vùng đồng bằng bằng phẳng.

Hạn dự báo 3 tháng và 6 tháng có sự chênh lệch độ chính xác như thế nào?
Ở hạn dự báo 3 tháng, sai số RMSE của nhiệt độ duy trì ổn định trong khoảng từ 1,1°C đến 2,3°C. Khi kéo dài hạn dự báo lên 6 tháng, sai số RMSE tăng thêm từ 18% đến 26% do sai số biên tích lũy từ mô hình toàn cầu CFS, đòi hỏi phải áp dụng thêm các phương pháp hiệu chỉnh thống kê sau dự báo.

Các chỉ số POD, FAR và HSS có ý nghĩa gì trong đánh giá dự báo mưa lớn?
Xác suất phát hiện (POD) đo lường tỷ lệ dự báo trúng các đợt mưa thực tế, tỷ lệ cảnh báo sai (FAR) thể hiện tần suất dự báo có mưa nhưng thực tế không xuất hiện, còn chỉ số kỹ năng Heidke (HSS) đánh giá mức độ cải thiện dự báo so với việc chọn ngẫu nhiên. Mô hình clWRF đạt POD từ 0,62 đến 0,74 trong các thử nghiệm mưa lớn.

Dữ liệu từ 64 trạm quan trắc được xử lý như thế nào để đối soát với lưới mô hình?
Số liệu dự báo từ các nút lưới 36 km x 36 km được nội suy song tuyến tính về đúng tọa độ của 64 trạm khí tượng bề mặt trên toàn quốc. Phương pháp này đảm bảo tính khách quan tuyệt đối, giúp việc so sánh giữa số liệu thực đo và kết quả mô phỏng không bị sai lệch bởi khoảng cách không gian.

Kết luận

  • Luận văn đã đánh giá toàn diện khả năng dự báo hạn mùa của hai mô hình khí hậu khu vực RegCM4.2 và clWRF cho 7 vùng khí hậu Việt Nam trên chuỗi thực nghiệm 64 đợt chạy từ năm 2012 đến 2013.
  • Cả hai mô hình đều có kỹ năng dự báo nhiệt độ trung bình rất cao với hệ số tương quan r đạt từ 0,72 đến 0,88 và sai số tuyệt đối MAE duy trì dưới 2,3°C ở hạn 3 tháng.
  • Mô hình clWRF thể hiện ưu thế vượt trội ở các vùng địa hình đồi núi phức tạp và đạt xác suất phát hiện mưa lớn (POD) cao hơn RegCM4.2 khoảng 9% đến 12%.
  • Hạn dự báo 6 tháng ghi nhận sự suy giảm kỹ năng dự báo với sai số RMSE tăng từ 18% đến 26%, khẳng định tính cấp thiết của việc áp dụng các thuật toán hiệu chỉnh sai số sau dự báo.
  • Bước phát triển tiếp theo trong 12 đến 24 tháng tới là nâng cấp độ phân giải mô hình lên 10 km x 10 km và xây dựng hệ thống dự báo tổ hợp đa mô hình tự động, phục vụ đắc lực cho công tác phòng chống thiên tai quốc gia.