Luận văn thạc sĩ: Dự báo mưa hạn mùa cho khu vực Việt Nam bằng mô hình CCAM

Luận văn thạc sĩ HUS nghiên cứu dự báo mưa hạn mùa cho khu vực Việt Nam bằng mô hình CCAM, cung cấp giải pháp ứng phó với biến đổi khí hậu.

• Tác giả: Nguyễn Xuân Thành
• Người hướng dẫn: Gs. Phan Văn Tân
• Trường học: Trường Đại Học Khoa Học Tự Nhiên
• Chuyên ngành: Khí tượng và Khí hậu học
• Đề tài: Dự báo mƣa hạn mùa cho khu vực Việt Nam bằng mô hình CCAM
• Loại tài liệu: Luận văn thạc sĩ khoa học
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu chung và ý nghĩa thực tiễn của dự báo khí hậu hạn mùa
• 1.2. Tổng quan về dự báo khí hậu hạn mùa
• 1.3. Các phương pháp dự báo hạn mùa
• 1.3.1. Hướng tiếp cận sử dụng phương pháp thống kê thực nghiệm
• 1.3.2. Hướng tiếp cận sử dụng phương pháp động lực
• 1.3.3. Hướng tiếp cận sử dụng phương pháp tổ hợp đa mô hình
• 1.4. Hiện trạng về dự báo mùa trong nước
• 2. CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU VÀ SỐ LIỆU
• 2.1. Tổng quan về mô hình CCAM
• 2.2. Một số đặc điểm nổi bật của mô hình CCAM
• 2.3. Sơ lược về kỹ thuật vận hành mô hình CCAM
• 2.4. Thiết kế thí nghiệm
• 2.5. Các nguồn số liệu được sử dụng
• 2.6. Phương pháp đánh giá
• 3. CHƯƠNG 3: KẾT QUẢ VÀ NHẬN XÉT
• 3.1. Đánh giá khả năng mô phỏng của CCAM giai đoạn 2001 – 2010
• 3.2. Đánh giá kết quả mô phỏng toàn cầu phân giải 1 độ
• 3.3. Đánh giá kết quả chi tiết hoá với phân giải 0
• 3.4. Đánh giá kết quả chi tiết hoá phân giải 0
• KẾT LUẬN VÀ KIẾN NGHỊ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về dự báo mưa hạn mùa cho Việt Nam bằng mô hình CCAM

Dự báo mưa hạn mùa là một lĩnh vực quan trọng trong nghiên cứu khí hậu, đặc biệt là tại Việt Nam, nơi mà thời tiết có ảnh hưởng lớn đến nông nghiệp và đời sống. Mô hình CCAM (Conformal Cubic Atmospheric Model) đã được phát triển để cải thiện độ chính xác của các dự báo này. Mô hình này cho phép mô phỏng khí hậu với độ phân giải cao, giúp cung cấp thông tin chi tiết về lượng mưa trong các mùa khác nhau. Việc áp dụng mô hình CCAM trong dự báo mưa hạn mùa không chỉ giúp nâng cao chất lượng dự báo mà còn hỗ trợ các quyết định trong quản lý tài nguyên nước và nông nghiệp.

1.1. Ý nghĩa thực tiễn của dự báo mưa hạn mùa

Dự báo mưa hạn mùa có ý nghĩa quan trọng trong việc lập kế hoạch sản xuất nông nghiệp, quản lý tài nguyên nước và ứng phó với biến đổi khí hậu. Thông tin dự báo chính xác giúp nông dân lựa chọn giống cây trồng phù hợp và tối ưu hóa việc tưới tiêu, từ đó nâng cao năng suất và chất lượng sản phẩm.

1.2. Các phương pháp dự báo mưa hạn mùa hiện nay

Hiện nay, có nhiều phương pháp dự báo mưa hạn mùa, bao gồm phương pháp thống kê, mô hình động lực và tổ hợp đa mô hình. Mỗi phương pháp có ưu điểm và nhược điểm riêng, tuy nhiên, mô hình CCAM đã cho thấy tiềm năng vượt trội trong việc cải thiện độ chính xác của dự báo.

II. Thách thức trong dự báo mưa hạn mùa tại Việt Nam

Việt Nam đối mặt với nhiều thách thức trong việc dự báo mưa hạn mùa, bao gồm sự biến đổi khí hậu, các yếu tố tự nhiên và tác động của con người. Sự thay đổi của nhiệt độ bề mặt biển (SST) và hiện tượng El Niño có thể gây ra những biến động lớn trong lượng mưa. Ngoài ra, việc thiếu hụt dữ liệu và công nghệ cũng là một rào cản lớn trong việc áp dụng các mô hình dự báo hiện đại.

2.1. Ảnh hưởng của biến đổi khí hậu đến dự báo

Biến đổi khí hậu đã làm thay đổi các mô hình khí hậu truyền thống, gây khó khăn trong việc dự đoán chính xác lượng mưa. Các hiện tượng thời tiết cực đoan ngày càng gia tăng, đòi hỏi các mô hình dự báo phải được cập nhật thường xuyên để phản ánh đúng thực tế.

2.2. Thiếu hụt dữ liệu và công nghệ

Việc thiếu hụt dữ liệu khí tượng và công nghệ tiên tiến là một trong những thách thức lớn trong dự báo mưa hạn mùa. Nhiều khu vực ở Việt Nam vẫn chưa có đủ trạm quan trắc, dẫn đến việc thiếu thông tin cần thiết cho các mô hình dự báo.

III. Phương pháp sử dụng mô hình CCAM trong dự báo mưa

Mô hình CCAM được áp dụng để dự báo mưa hạn mùa thông qua việc mô phỏng các yếu tố khí hậu như nhiệt độ, độ ẩm và áp suất. Mô hình này cho phép chi tiết hóa các dự báo với độ phân giải cao, giúp cải thiện độ chính xác của các kết quả dự báo. Việc sử dụng mô hình CCAM đã cho thấy những kết quả khả quan trong việc dự đoán lượng mưa tại nhiều khu vực khác nhau ở Việt Nam.

3.1. Cấu trúc và hoạt động của mô hình CCAM

Mô hình CCAM sử dụng lưới lập phương bảo giác để mô phỏng khí quyển, cho phép tính toán chính xác hơn các hiện tượng khí hậu. Cấu trúc này giúp mô hình có khả năng điều chỉnh độ phân giải theo từng khu vực, từ đó nâng cao độ chính xác của dự báo.

3.2. Quy trình thực hiện dự báo bằng mô hình CCAM

Quy trình thực hiện dự báo bằng mô hình CCAM bao gồm các bước như thu thập dữ liệu, thiết lập mô hình, chạy mô phỏng và phân tích kết quả. Mỗi bước đều cần được thực hiện cẩn thận để đảm bảo độ chính xác của dự báo.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả từ việc áp dụng mô hình CCAM trong dự báo mưa hạn mùa đã cho thấy những cải thiện đáng kể về độ chính xác so với các phương pháp truyền thống. Các nghiên cứu đã chỉ ra rằng mô hình này có thể dự đoán chính xác lượng mưa trong các mùa khác nhau, từ đó hỗ trợ tốt hơn cho các hoạt động nông nghiệp và quản lý tài nguyên nước.

4.1. Đánh giá khả năng mô phỏng của mô hình CCAM

Các nghiên cứu đã chỉ ra rằng mô hình CCAM có khả năng mô phỏng chính xác lượng mưa trong giai đoạn 2001-2010, với sai số thấp hơn so với các mô hình khác. Điều này cho thấy tiềm năng của mô hình trong việc cải thiện dự báo khí hậu tại Việt Nam.

4.2. Ứng dụng mô hình CCAM trong quản lý tài nguyên nước

Mô hình CCAM không chỉ giúp dự báo lượng mưa mà còn hỗ trợ trong việc quản lý tài nguyên nước. Thông tin dự báo chính xác giúp các cơ quan chức năng có kế hoạch điều tiết nước hợp lý, đảm bảo cung cấp đủ nước cho sản xuất và sinh hoạt.

V. Kết luận và triển vọng tương lai của dự báo mưa hạn mùa

Dự báo mưa hạn mùa bằng mô hình CCAM đã cho thấy những kết quả khả quan và tiềm năng lớn trong việc cải thiện độ chính xác của các dự báo khí hậu tại Việt Nam. Tuy nhiên, vẫn cần tiếp tục nghiên cứu và phát triển để khắc phục những thách thức hiện tại, đồng thời nâng cao khả năng ứng dụng của mô hình trong thực tiễn.

5.1. Tầm quan trọng của nghiên cứu tiếp theo

Nghiên cứu tiếp theo cần tập trung vào việc cải thiện độ chính xác của mô hình CCAM, đồng thời mở rộng ứng dụng của mô hình trong các lĩnh vực khác nhau như nông nghiệp, quản lý nước và năng lượng.

5.2. Hướng phát triển mô hình CCAM trong tương lai

Hướng phát triển mô hình CCAM trong tương lai có thể bao gồm việc tích hợp thêm dữ liệu từ các nguồn khác nhau, cải thiện thuật toán mô phỏng và áp dụng công nghệ mới để nâng cao độ chính xác và hiệu quả của dự báo.

Nội dung chính

Tổng quan nghiên cứu

Dự báo khí hậu hạn mùa, đặc biệt là trường mưa, đóng vai trò sống còn đối với sự phát triển kinh tế và an sinh xã hội tại Việt Nam. Với hơn 70% lực lượng lao động hoạt động trong lĩnh vực nông nghiệp cùng hệ thống hàng trăm nhà máy thủy điện vừa và nhỏ phân bố dày đặc, nhu cầu thông tin khí tượng trước từ 1 đến 6 tháng là vô cùng cấp thiết. Hiện nay, các phương pháp dự báo mùa truyền thống trong nước chủ yếu dựa trên mô hình thống kê thực nghiệm kết nối với dao động nhiệt độ mặt nước biển khu vực Nino 3-4. Tuy nhiên, phương pháp này bộc lộ nhiều hạn chế trước các biến động dị thường của khí hậu toàn cầu.

Nghiên cứu được thực hiện nhằm đánh giá toàn diện khả năng mô phỏng và dự báo mưa hạn mùa cho khu vực Việt Nam bằng mô hình động lực toàn cầu CCAM (Conformal Cubic Atmospheric Model). Mục tiêu cụ thể là thiết lập quy trình vận hành tự động, thử nghiệm mô phỏng trường mưa và hoàn lưu khí quyển qua các độ phân giải ngang từ toàn cầu 1 độ, 0.5 độ đến chi tiết hóa khu vực 0.25 độ và 0.08 độ.

Phạm vi nghiên cứu bao quát chuỗi số liệu tái phân tích 10 năm từ 2001 đến 2010 và thử nghiệm dự báo 24 tháng liên tục trong giai đoạn 2012 - 2013 với mạng lưới 125 trạm quan trắc mặt đất trải rộng khắp các miền khí hậu Việt Nam. Nghiên cứu mang lại giá trị thực tiễn cao khi giảm thiểu sai số dự báo mưa mùa từ 30% đến 33%, cung cấp luận cứ khoa học vững chắc để nâng cao năng lực cảnh báo sớm thiên tai hạn hán, lũ lụt và tối ưu hóa điều tiết tài nguyên nước quốc gia.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng lý thuyết động lực học khí quyển phi thủy tĩnh trên hệ tọa độ bảo giác lập phương được phát triển bởi Tổ chức Nghiên cứu Khoa học và Công nghiệp Liên bang Australia (CSIRO). Mô hình CCAM giải các phương trình nguyên thủy khí quyển trên 6 mặt cầu lập phương đồng nhất, loại bỏ hoàn toàn điểm kỳ dị ở hai cực Trái Đất vốn là nhược điểm chí mạng của hệ tọa độ kinh vĩ tuyến truyền thống.

Cơ sở vật lý của mô hình kết hợp chặt chẽ các quá trình tham số hóa phức hợp:

• Sơ đồ đối lưu khối mây và sinh khối bề mặt theo nghiên cứu của McGregor.
• Sơ đồ vi vật lý mây chuyển pha hơi nước theo Rotstayn.
• Sơ đồ truyền xạ sóng ngắn Lacis-Hansen và bức xạ sóng dài Schwarzkopf-Fels.
• Sơ đồ bề mặt CABLE mô phỏng tương tác đất - khí quyển chi tiết qua 6 lớp nhiệt độ và 6 lớp độ ẩm đất.
• Lý thuyết tương tác đại dương - khí quyển quy mô lớn thông qua dị thường nhiệt độ bề mặt biển (SSTA) tại các vùng đại dương nhiệt đới Thái Bình Dương và Ấn Độ Dương.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu đa dạng và có độ tin cậy quốc tế cao:

• Dữ liệu tái phân tích toàn cầu CFSR độ phân giải 0.5 độ (2001 - 2010).
• Dữ liệu dự báo hạn mùa SST từ hệ thống CFSv2 của Trung tâm NCEP (Hoa Kỳ) và Viện Nghiên cứu Quốc tế về Khí hậu và Xã hội (IRI) giai đoạn 2012 - 2013.
• Dữ liệu đối chứng mưa lưới toàn cầu GPCCv6 (0.5 độ), mưa viễn thám vệ tinh TRMM 3B42v7 (0.25 độ) và bộ số liệu mưa lưới phân giải cao VnGP 0.1 độ.
• Cỡ mẫu thực nghiệm bao gồm 125 trạm quan trắc khí tượng bề mặt phân bố trên toàn lãnh thổ Việt Nam được thu thập đồng bộ theo chuỗi thời gian ngày và tháng.

Phương pháp chi tiết hóa động lực sử dụng kỹ thuật co giãn lưới Schmidt với hệ số co giãn phù hợp để đạt độ phân giải 0.25 độ (khoảng 25 km) và 0.08 độ (khoảng 8 km) tại tâm điểm Việt Nam. Bước thời gian tích phân số học được lựa chọn tối ưu từ 1200 giây cho phân giải 63 km xuống 180 giây cho phân giải 8 km nhằm đảm bảo tính ổn định số trị.

Phương pháp đánh giá kết hợp định tính phân bố không gian và định lượng thống kê sai số nghiêm ngặt thông qua: sai số tương đối (RE), sai số tương đối tuyệt đối (RAE), sai số tương đối trung bình (RME), sai số tương đối tuyệt đối trung bình (RMAE). Đồng thời, nghiên cứu ứng dụng bộ chỉ số khí hậu cực đoan ETCCDI (Rx1day, Rx5day, SDII, CDD, CWD, R10mm, R20mm) và ma trận phân loại pha mưa theo các ngưỡng phân vị 33% và 66% để tính điểm kỹ năng dự báo PC, POD, FAR, ROC. Biểu đồ hộp Boxplot được lựa chọn làm phương pháp phân tích trọng tâm nhằm loại bỏ ảnh hưởng của các điểm ngoại lai cục bộ do địa hình phức tạp hoặc sai số quan trắc trạm đơn lẻ.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Mô hình CCAM-CFSR tái hiện xuất sắc trường độ ẩm tương đối và hoàn lưu gió ở các tầng khí quyển 1000 mb, 850 mb, 500 mb và 200 mb trong giai đoạn 10 năm (2001 - 2010). Cấu trúc dòng xiết gió Tây, vị trí dải hội tụ nhiệt đới (ITCZ) và biến trình gió mùa Đông Bắc, Tây Nam được mô phỏng trùng khớp với trường tái phân tích CFSR trên không gian toàn cầu. Độ ẩm tầng mặt 1000 mb trên khu vực biển nhiệt đới đạt giá trị mô phỏng 80% đến 90%, phản ánh sát với thực tế 70% đến 80% của số liệu tái phân tích.

Khi đối chiếu giữa CCAM-CFS và CCAM-IRI ở độ phân giải 0.25 độ cho giai đoạn 2012 - 2013, mô hình sử dụng đầu vào CFSv2 thể hiện ưu thế vượt trội về việc tái hiện không gian phân bố mưa mùa tại Việt Nam. Tại các hạn dự báo từ 1 đến 3 tháng, CCAM-CFS nắm bắt chính xác tâm mưa lớn ở dải ven biển miền Trung và khu vực Tây Nguyên với lượng mưa tháng vượt trên 500 mm. Điểm kỹ năng ROC trong phân loại các pha mưa đạt giá trị lớn hơn 0.55 tại đa số các vùng khí hậu, khẳng định mô hình có kỹ năng dự báo thực sự chứ không chỉ ngẫu nhiên.

Đối với các chỉ số mưa cực đoan, CCAM phản ánh chính xác xu thế phân bố của lượng mưa ngày lớn nhất (Rx1day) và mưa 5 ngày lớn nhất (Rx5day). Sai số số ngày mưa lớn trên 10 mm (R10mm) và trên 20 mm (R20mm) chỉ dao động trong khoảng từ 2 đến 4 ngày mỗi tháng so với dữ liệu vệ tinh TRMM.

Thử nghiệm chi tiết hóa siêu cao 0.08 độ cho khu vực miền Trung và Tây Nguyên cho thấy bước tiến vượt bậc khi mô tả rõ nét các hiệu ứng địa hình chắn gió dãy Trường Sơn. Trường mưa chi tiết hóa 8 km tương thích cao với bộ số liệu quan trắc lưới VnGP 0.1 độ, giúp giảm hiện tượng mưa giả tạo ở sườn đón gió và tái hiện chính xác mùa mưa dịch chuyển về các tháng 10 và 11 của miền Trung.

Thảo luận kết quả

Dữ liệu kết quả được tổng hợp chi tiết qua các bảng thống kê sai số RAE và RE theo 7 vùng khí hậu và 6 hạn dự báo. Biểu đồ hộp Boxplot cho thấy khoảng biến thiên sai số giữa phân vị dưới Q25 và phân vị trên Q75 của CCAM-CFS hẹp hơn đáng kể so với CCAM-IRI, đồng thời giá trị trung vị sai số luôn duy trì tiệm cận mức 15% đến 25% trong mùa mưa chính.

Tại các tháng mùa khô khi lượng mưa thực tế tại trạm dưới 10 mm/tháng, sai số tương đối RE có xu hướng tăng cao do bản chất mô hình số luôn tạo mưa nền nhỏ từ 1 đến 3 mm. Tuy nhiên, việc áp dụng khoảng trải giữa IQR trong phân tích biểu đồ hộp đã giải quyết triệt để sự sai lệch của các giá trị trung bình số học truyền thống. Kết quả này tương đồng với các nghiên cứu quốc tế của Xing Yuan tại Đông Á khi giảm sai số lượng mưa tới 33% và Jonatan tại khu vực châu Phi khi giảm tính không chắc chắn đến 69% khi chi tiết hóa số liệu CFS bằng mô hình động lực khu vực.

Đề xuất và khuyến nghị

Tích hợp ngay quy trình vận hành tự động CCAM vào hệ thống nghiệp vụ dự báo hạn mùa quốc gia tại Trung tâm Dự báo Khí tượng Thủy văn Quốc gia trong vòng 12 tháng tới, nhằm nâng cao điểm kỹ năng ROC dự báo mưa mùa lên trên 0.65.

Mở rộng phạm vi chi tiết hóa lưới co giãn xuống độ phân giải 0.05 độ (tương đương khoảng 5 km) tập trung cho các lưu vực sông trọng điểm và các hồ chứa thủy điện lớn ở miền Trung và Tây Nguyên trong giai đoạn 24 tháng tiếp theo do Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu chủ trì.

Xây dựng hệ thống dự báo tổ hợp đa thành phần (Ensemble) từ 10 đến 20 thành phần ban đầu của CFSv2 kết hợp kỹ thuật hiệu chỉnh sai số thống kê (Bias Correction) trước năm 2028, nhằm giảm biên độ sai số tương đối tuyệt đối RAE mùa khô xuống dưới 20%.

Nâng cấp đồng bộ hệ thống đo đạc độ ẩm đất tự động và số liệu lớp biên bề mặt CABLE tại 125 trạm quan trắc quốc gia do Cục Khí tượng Thủy văn triển khai, đảm bảo cung cấp điều kiện ban đầu chuẩn xác cho mô hình trước ngày 1 hàng tháng.

Đối tượng nên tham khảo luận văn

Nhà nghiên cứu và giảng viên chuyên ngành Khí tượng, Thủy văn, Biến đổi khí hậu: Khai thác phương pháp chuyển đổi tọa độ lập phương bảo giác và kỹ thuật chi tiết hóa lưới co giãn Schmidt để giảng dạy và phát triển các mô hình khí quyển số trị.

Chuyên viên dự báo thời tiết và khí hậu tại các đài khí tượng thủy văn: Sử dụng quy trình tự động hóa các script xử lý số liệu đầu vào CFSv2/IRI và bộ chỉ số kiểm nghiệm ROC, POD, FAR để nâng cao chất lượng bản tin dự báo mùa.

Kỹ sư vận hành hệ thống hồ chứa thủy điện, thủy lợi và năng lượng tái tạo: Ứng dụng kết quả dự báo lượng mưa hạn 1 đến 6 tháng để xây dựng kế hoạch tích nước, xả lũ an toàn và lập phương án tài chính vận hành phát điện tối ưu.

Cán bộ quản lý rủi ro thiên tai và quy hoạch sản xuất nông nghiệp: Tham khảo xu thế phân bố mưa cực đoan và các đợt khô hạn (CDD, CWD) để chỉ đạo lịch thời vụ canh tác và phương án phòng chống úng ngập mùa vụ tại địa phương.

Câu hỏi thường gặp

Mô hình CCAM có ưu thế vượt trội nào so với các mô hình khí hậu khu vực RCM truyền thống? CCAM sử dụng lưới lập phương co giãn toàn cầu, loại bỏ hoàn toàn các lỗi biên nhân tạo vốn thường xuyên xuất hiện ở các mô hình khu vực RCM. Mô hình có thể chi tiết hóa độ phân giải cao 0.08 độ tại Việt Nam mà vẫn giữ tính liên tục của động lực học khí quyển trên toàn cầu với 6 mặt tính toán song song.

Vì sao nhiệt độ bề mặt biển SST là yếu tố then chốt trong dự báo mưa hạn mùa? SST biến động chậm hơn nhiều so với khí quyển, chi phối thông lượng nhiệt ẩm và hoàn lưu dải đối lưu nhiệt đới. Sự ấm lên dị thường tại vùng Nino 3-4 (5°N–5°S, 170°W–120°W) trực tiếp làm dịch chuyển hoàn lưu gió mùa và lượng mưa tại Việt Nam trong các dự báo từ 1 đến 6 tháng.

Tại sao luận văn sử dụng biểu đồ hộp Boxplot thay vì chỉ tính sai số trung bình? Số liệu mưa giữa các trạm có tính dị thường rất lớn, đặc biệt tại các trạm mùa khô có mưa dưới 10 mm/tháng hoặc mùa mưa trên 500 mm/tháng. Biểu đồ hộp giúp xác định trung vị và khoảng tứ phân vị Q25-Q75, loại bỏ các điểm ngoại lai cục bộ để phản ánh khách quan năng lực của mô hình.

Điểm kỹ năng ROC trong kiểm nghiệm pha mưa có ý nghĩa thực tiễn như thế nào? ROC đo lường khả năng phân biệt giữa dự báo đúng và báo động sai đối với các sự kiện mưa trên chuẩn (vượt ngưỡng Q66) hoặc dưới chuẩn (dưới ngưỡng Q33). Điểm ROC vượt ngưỡng 0.5 chứng minh mô hình cung cấp tín hiệu cảnh báo thiên tai đáng tin cậy cho các đơn vị quản lý rủi ro.

Việc tăng độ phân giải từ 1 độ xuống 0.08 độ giải quyết được vấn đề gì tại miền Trung? Độ phân giải thô 1 độ (khoảng 100 km) làm phẳng hoàn toàn địa hình núi cao. Hạ quy mô xuống 0.08 độ (khoảng 8 km) giúp mô hình nhận diện chính xác dãy Trường Sơn, tái hiện đúng hoàn lưu gió mùa Đông Bắc gây mưa cực đại vào tháng 10 và tháng 11 dọc dải ven biển.

Kết luận

• Luận văn đã xây dựng thành công quy trình tự động hóa hoàn chỉnh vận hành mô hình khí quyển lập phương bảo giác CCAM phục vụ bài toán dự báo mưa hạn mùa tại Việt Nam.
• Kiểm chứng thực nghiệm chuỗi 10 năm (2001 - 2010) khẳng định CCAM mô phỏng chuẩn xác trường hoàn lưu và độ ẩm 4 mực khí quyển chính trên phạm vi toàn cầu.
• Đánh giá thử nghiệm 24 tháng dự báo trên mạng lưới 125 trạm cho thấy nguồn dữ liệu CFSv2 kết hợp CCAM 0.25 độ mang lại điểm kỹ năng ROC vượt trội so với nguồn IRI.
• Chi tiết hóa phân giải cao 0.08 độ đã giải quyết xuất sắc tương tác địa hình phức tạp, tái hiện chân thực tâm mưa lũ mùa đông tại dải đất miền Trung.
• Các đơn vị nghiệp vụ và nghiên cứu khí tượng thủy văn nên tiến hành tiếp nhận, thử nghiệm chuyển giao công nghệ mô hình CCAM và mở rộng phương án dự báo tổ hợp đa thành phần trước năm 2028 để chủ động ứng phó biến đổi khí hậu.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan - Chương 2: Phương pháp nghiên cứu - Chương 3: Kết quả và nhận xét 6 LUAN VAN CHAT LUONG download : add [e-mail] Chƣơng 1 Tổng quan Nội dung chương này sẽ giới thiệu khái quát về dự báo khí hậu hạn mùa bao gồm một số khái niệm cơ bản, cơ chế hoạt động, và một số hướng tiếp cận cũng như ý nghĩa thực tiễn của bài toán dự báo mùa. Ngoài ra, một số thông tin về khu vực nghiên cứu là Việt Nam và một số nghiên cứu về dự báo mùa đã được thực hiện trên khu vực này cũng sẽ được đưa ra nhằm có được cái nhìn tổng quan nhất về mục tiêu của luận văn. Giới thiệu chung và ý nghĩa thực tiễn của dự báo khí hậu hạn mùa. Dự báo khí hậu hạn mùa (hay dự báo mùa) là các dự báo được thực hiện nhằm đưa ra thông tin về các biến thiên của hệ thống khí hậu với quy mô thời gian của mỗi dự báo (hay hạn dự báo) nằm trong khoảng từ một vài tháng cho đến hơn một năm (Luo và cs.

Mặt khác, các dự báo có hạn dự báo từ vài ngày cho đến khoảng hai tuần thường được coi là các dự báo thời tiết; trong khi các dự báo cận mùa là các dự báo được thực hiện để đưa ra thông tin với quy mô thời gian nằm giữa dự báo thời tiết và dự báo mùa. Đối với các dự báo có hạn dự báo từ một vài năm trở lên và các dự báo được thực hiện với mục đích ước lượng các khả năng phát triển của khí hậu cho tương lai vài thập kỷ tiếp theo dựa trên các kịch bản có sẵn, các dự báo này sẽ được coi là các dự báo khí hậu hạn dài, hoặc dự tính khí hậu. Mặc dù vậy, ranh giới giữa các loại dự báo là không rõ ràng và không mang tính bắt buộc. Theo Shukla và Kinter (2006) [10], nhìn chung, các dự báo có quy mô thời gian từ vài tháng trở lên thường được thực hiện dựa trên tính biến động chậm và có thể dự tính được của một số yếu tố như độ ẩm đất, độ phủ băng, các quan hệ băng biển, và đặc biệt là các biến thiên của nhiệt độ bề mặt biển (SST).

Đối với dự báo mùa, trữ lượng nhiệt – ẩm trong đại dương và lục địa, cùng với các quá trình hình thành – tan rã của tuyết và băng biển là những yếu tố quan trọng nhất ảnh hưởng đến khả năng dự báo được và chất lượng của các dự báo. Ngoài ra, theo các nghiên cứu của Oldenborgh và cs., (2005) [11], Weisheimer và cs., (2009) [8] và Wu và cs., (2009) [12], đều đã chỉ ra rằng, dao động Nam Elnino (ENSO) là một quá trình có ảnh hưởng đáng kể đến chất lượng của các dự báo quy mô thời gian hạn mùa. Cụ thể, khi dị thường nhiệt độ mặt biển (SSTA) ở vùng nhiệt đới Thái Bình Dương tăng lên theo chiều dương (hay mặt biển ấm hơn), sẽ làm cho thông lượng nhiệt giữa đại dương và khí quyển tăng lên. Quá trình này nếu diễn ra đủ mạnh sẽ dẫn đến các thay đổi trong lớp biên khí quyển từ đó gây ra những sự thay đổi về giáng thuỷ cũng như trong quá trình giải phóng ẩn nhiệt ở 7 LUAN VAN CHAT LUONG download : add [e-mail] tầng đối lưu.

Sự thay đổi về giải phóng ẩn nhiệt từ đó cũng sẽ dẫn đến những ảnh hưởng tới các hoàn lưu khí quyển, và hệ quả là các dị thường về khí hậu ở nhiều vùng khác nhau trên Trái Đất.