Chương 1: Tổng quan Chương 2: Mô hình ARIMA và số liệu sử dụng Chương 3: Kết quả và thảo luận 2 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Chƣơng 1 TỔNG QUAN Trong chương này, sẽ trình bày cơ sở khoa học của dự báo khí hậu mùa và tóm lược các công trình nghiên cứu tiêu biểu nhằm rút ra được những thông tin cần khai thác, ứng dụng hoặc cải tiến trong việc thực hiện các nội dung của đề tài. Cơ sở khoa học của dự báo khí hậu mùa Trải qua hàng nghìn năm con người đã có kinh nghiệm tìm cánh thích ứng với quy luật diễn biến khí hậu, biểu hiện rõ rệt nhất là sự hình thành mùa, vụ trong nông nghiệp. Tuy nhiên trong thực tế sự dao động mang tính quy luật của các hiện tượng thời tiết khí hậu diễn ra không ổn định, tính bất thường của nó sẽ ảnh hưởng đến các hoạt động kinh tế - xã hội, trong đó có sản xuất nông nghiệp. Vì vậy nếu dự báo được mức độ biến động của các yếu tố khí hậu, đặc biệt là yếu tố lượng mưa trong từng mùa, vụ sẽ cho phép thực hiện công tác chỉ đạo sản xuất hợp lý, tiết kiệm được nguồn nước, giảm chi phí trong sản xuất, nâng cao năng suất cây trồng… Đó chính là một trong những yêu cầu đối với các nhà nghiên cứu dự báo khí hậu.
Trong khí tượng, công tác dự báo nghiệp vụ thường được chia thành 2 loại: dự báo thời tiết và dự báo khí hậu. Dự báo thời tiết là dự báo trước trạng thái của khí quyển tại một địa điểm và thời điểm cụ thể (thời điểm có thể là từng giờ, từng ngày). Dự báo khí hậu là dự báo các đặc trưng về điều kiện khí quyển trong từng khoảng thời gian dài như: tháng, mùa, vụ, năm, thập kỷ, thế kỷ, trong đó, được quan tâm nhiều nhất là dự báo hạn mùa (tháng, mùa, vụ). Dự báo khí hậu hạn mùa khác với dự báo thời tiết không chỉ ở phạm vi thời gian, mục đích mà còn khác cả sản phẩm, cách tiếp cận và phương pháp.
Nhiều thông tin mà nghiên cứu dự báo thời tiết có thể bỏ qua, nhưng nghiên cứu dự báo mùa lại cần phải tính toán rất thận trọng [36]. Do tính tương tác không tuyến tính của các hình thế thời tiết ở quy mô synop nên dự báo thời tiết chỉ có thể dự báo trước được một số ngày. Theo WMO quy định các dự báo khí tượng có hạn dự báo nhỏ hơn hoặc bằng 10 ngày được xem là dự báo thời tiết (thời đoạn 10 ngày là cận trên của chu kỳ Synop) và hạn dự báo trong khoảng tháng, mùa, vụ được xem là dự báo mùa [41]. 3 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Sản phẩm của dự báo thời tiết bao gồm nhiều yếu tố khí tượng với các mức định lượng khác nhau, nhưng sản phẩm của dự báo hạn mùa thường là mức độ dao động xung quanh giá trị trung bình nhiều năm của một số yếu tố khí hậu chính như nhiệt độ và lượng mưa.
Ngoài ra các hiện tượng thời tiết đặc biệt như: bão, áp thấp nhiệt đới, mưa lớn, nắng nóng, rét đậm, rét hại, khô hạn cũng đã được nghiên cứu trong công tác dự báo mùa để nhằm giảm thiệt hại do thiên tai gây ra đối với phát triển kinh tế - xã hội của mỗi quốc gia. Mục tiêu của các mô hình dự báo thời tiết là nắm bắt chính xác trạng thái của khí quyển trong khoảng thời gian dự báo. Mức độ chính xác của mô hình dự báo thời tiết thường phụ thuộc vào hạn dự báo, khả năng giải các phương trình biến động ngắn hạn của các đặc trưng khí quyển và độ chính xác của điều kiện ban đầu và điều kiện biên. Nhưng đối với các mô hình dự báo hạn mùa, cần phải nắm bắt được dị thường của khí hậu mùa, đây là một bài toán rất phức tạp mà sự thành công của dự báo phụ thuộc vào mức độ hiểu biết về mối quan hệ tương tác giữa khí quyển, lục địa và đại dương [41].
Theo [36], các hoạt động tự nhiên của hệ thống khí hậu làm gia tăng biến động của khí hậu trên tất cả quy mô thời gian. Một số các quá trình xảy ra trong khoảng thời gian ngắn như sự phát triển của hệ thống synop trong khí quyển là một trong những nguyên nhân dẫn đến sai số dự báo mùa. Tuy nhiên, sự thay đổi chậm của hệ thống khí hậu là nguồn gốc cơ bản cho phép dự báo khí hậu mùa. Nguyên nhân của sự thay đổi này bao gồm sự thay đổi trong khoảng thời gian dài của đại dương, hệ thống tương tác đại dương-khí quyển và các thành phần khác như băng biển, điều kiện bề mặt đất, độ che phủ của tuyết… El Nino và Dao động Nam (SO) được xem là nhân tố tác động lớn nhất đến dị thường khí hậu, trong đó có lượng mưa.
Walker (1924) đã phát hiện ra dao động của khí áp quy mô lớn, từ năm này qua năm khác ở 2 phía Đông và Tây của khu vực xích đạo Thái Bình Dương (Tahiti và Darwin) và được gọi là Dao động Nam. Hơn 40 năm sau, trong công trình nghiên cứu của Jacob Bjerknes (1969) thừa nhận có sự quan hệ chặt chẽ giữa Dao động Nam và sự thay đổi về nhiệt độ bề mặt nước biển trên khu vực Xích Đạo đông Thái Bình Dương. Mối quan hệ này thể hiện sự tương tác giữa đại dương và khí quyển mà biểu hiện của nó chính là hiện tượng 4 LUAN VAN CHAT LUONG download : add luanvanchat@agmail. ENSO được dùng để chỉ cả 2 hai hiện tượng El Nino, La Nina và có liên quan với Dao động Nam.
ENSO là nhân tố ảnh hưởng lớn nhất đến các dao động khí hậu hàng năm, chính sự kết hợp này là nguồn gốc chính sinh ra dị thường về nhiệt độ và lượng mưa trên phạm vi toàn cầu [32,33]. Trong những năm gần đây đã có nhiều tác giả sử dụng các phương pháp khác nhau để tìm quy luật dao động của ENSO cũng như đánh giá ảnh hưởng của nó đến các yếu tố khí hậu đã làm rõ hơn về sự tương tác giữa khí quyển và đại dương, và đặc biệt là dự báo hiện tượng ENSO theo quy mô tháng và năm đã hỗ trợ tốt hơn cho các dự báo hạn mùa ở nhiều nơi trên thế giới [36] Ngoài ra, nhân tố tác động bên ngoài hệ thống khí hậu như sự thay đổi số vết đen mặt trời cũng được xem xét đến trong nghiên cứu dự báo khí hậu mùa. (Vết đen Mặt Trời là các khu vực tối trên bề mặt Mặt Trời. Độ sáng bề mặt của vết đen vào khoảng 1/4 độ sáng của những vùng xung quanh.
Nguyên nhân xuất hiện vết đen là do nhiệt độ của chúng thấp hơn các vùng xung quanh [42]). Tuy nhiên, tác động của nhân tố này đến quy mô khí hậu mùa thường là không lớn và có xu hướng hoạt động trên quy mô thời gian dài, đáng kể nhất là chu kỳ mặt trời 11 năm [40]. Diễn biến về lượng mưa hàng năm và số vết đen mặt trời với các bước trượt 11 (hình trên), 21 (hình giữa), 33 (hình dưới) ở Beijing, Trung Quốc [40] 5 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com Cho đến nay, có hai cách tiếp cận để dự báo khí hậu mùa là dự báo bằng phương pháp thống kê thực nghiệm và phương pháp động lực. Mỗi phương pháp đều tồn tại những điểm mạnh yếu và có xu hướng bổ xung cho nhau, do vậy các hoạt động dự báo mùa ở nhiều trung tâm thông thường phụ thuộc vào sự tổng hợp các thông tin được cung cấp bởi các công cụ dự báo thống kê và mô hình động lực [36].
Phương pháp thống kê thực nghiệm phụ thuộc vào mối quan hệ giữa yếu tố dự báo với các nhân tố dự báo. Nhân tố dự báo có thể là các quan trắc hiện tại và quá khứ hoặc các trường tái phân tích khí quyển, đại dương (SST, SOI, MEI .), hoặc cũng có thể là các trường dự báo của các mô hình khí hậu toàn cầu (hạ thấp qui mô thống kê - Statistical Downscaling). Mối quan hệ giữa yếu tố dự báo với các nhân tố dự báo được xây dựng dựa trên các tập số liệu lịch sử và giả thiết rằng mối quan hệ đó vẫn duy trì trong tương lai. Các công cụ phân tích thống kê khác nhau như: phân tích tương quan, hồi quy, xác suất có điều kiện, hàm phân biệt, phân tích chuỗi thời gian …được sử dụng nhằm nắm bắt được tính chất vật lý và các quá trình động lực trong hệ thống khí hậu.
Ưu điểm của cách tiếp cận này đó là quá trình tính toán trong các mô hình không cần công hiệu máy tính lớn, đơn giản, dễ áp dụng trong thực tiễn, kết quả dự báo mang tính khách quan, tuân theo một quy tắc nhất định. Ban đầu, hướng tiếp cận này không thực sự thành công, nhưng với sự gia tăng hiểu biết về hiện tượng ENSO và các hình thế thời tiết khác đã giúp cho phương pháp này đáng tin cậy hơn [ 36]. Tuy nhiên, cách tiếp cận này tồn tại một số điểm như: chỉ đơn thuần dựa vào mối quan hệ tuyến tính, không biểu diễn trực tiếp quan hệ vật lý giữa nhân tố dự báo và yếu tố dự báo, các điều kiện khí hậu chưa từng xảy ra không được xét đến trong quá trình dự báo, và kết quả dự báo phụ thuộc nhiều vào độ dài chuỗi số liệu. Phương pháp động lực là hướng nghiên cứu mô phỏng khí hậu bằng mô hình số.
Để biểu diễn các quan hệ vật lý giữa các yếu tố, người ta xây dựng các mô hình số dựa trên mối tương tác vật lý của sự chuyển động. Phát triển sớm nhất của loại mô hình này là mô hình hoàn lưu chung khí quyển (AGCM), sau đó, do sự ảnh hưởng quan trọng của đại dương đối với hệ thống khí hậu nên đã lồng ghép mô hình 6 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com hoàn lưu chung đại dương (OGCM) với mô hình hoàn lưu chung khí quyển để tạo thành hệ thống mô hình kết hợp (couple) đại dương khí quyển (AOGCM). Mặt khác, do nhu cầu sử dụng thông tin dự báo với độ phân giải không gian cao, các nhà khoa học đã đưa ra các mô hình khí hậu khu vực (RCM), mô hình RCM được xây dựng theo nguyên tắc RCM được lồng vào một GCM nào đó. Phương pháp lồng ghép RCM vào AOGCM thường được gọi là hạ thấp qui mô động lực (Dynamical Downscaling).