Chương 1: Tổng quan - Chương 2: Phương pháp nghiên cứu - Chương 3: Kết quả và nhận xét 6 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 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 luanvanchat@agmail.com 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. Ngoài các yếu tố mang tính quyết định được nêu ở phần trên, một số yếu tố khác cũng có những ảnh hưởng đáng kể đến chất lượng của dự báo mùa bao gồm: hoạt động của mặt trời (hoạt động của các vết đen mặt trời, và các chu trình dài khác), bụi núi lửa, hay những tác động từ các hoạt động sinh hoạt và sản xuất của con người làm thay đổi thành phần khí quyển như sự tăng lên của nồng độ khí nhà kính (GHG), xon khí, hoặc những thay đổi về sử dụng đất, đô thị hoá,. Các yếu tố này hiện nay cũng đang được xem xét nghiên cứu và được cân nhắc đưa vào các mô phỏng hạn mùa nhằm cải thiện chất lượng của các dự báo. Chính những điều này đã đặt ra nhiều thách thức không nhỏ cho các dự báo mùa, từ những điều chỉnh trong các quá trình ban đầu hoá, hay việc xác định phương pháp làm dự báo cũng như ước lượng được khả năng dự báo được và cho đến khảo sát tính không chắc chắn của mỗi thông tin nhận được của từng dự báo khác nhau.
Trên thực tế, sự cần thiết của các thông tin dự báo với quy mô thời gian hạn mùa từ lâu đã được chú ý đến trong các ngành nông nghiệp (Sivakumar và cs., 2000) [13], tuy nhiên, những tiềm năng về lợi ích kinh tế mà các dự báo hạn mùa đem lại vẫn còn chưa được toàn cộng đồng nhận thức một cách rõ ràng. Trong khi đó, các thông tin về khí hậu với quy mô thời gian hạn mùa ở một mức độ nhất định có thể trở thành một trong những yếu tố quan trọng và đóng góp không nhỏ đến sự phát triển của nhiều ngành nghề, đặc biệt là các hoạt động quản lý và sản xuất phụ thuộc nhiều vào các yếu tố khí hậu mà điển hình là việc lập kế hoạch và đưa ra phương thức canh tác cho mùa vụ tiếp theo trong nông nghiệp. Bên cạnh đó, các thông tin về trạng thái trung bình của thời tiết trong một vài tháng tiếp theo còn có tầm quan trọng không nhỏ trong việc hỗ trợ cho các nhà hoạch định chiến lược của một số các ngành như y tế, quản lý tài nguyên nước (Gamiz-Fortis, 2008) [14], hay trong các chiến lược phát triển của ngành năng lượng (Morale, 2007) [15]. Trong một thí dụ được đưa ra trong nghiên cứu của Francisco và cs., (2013) [16], tính thiết thực và lợi ích kinh tế mà dự báo mùa đem lại đã được thể hiện rõ ràng trong quá trình phát triển ngành năng lượng tái tạo.
Theo đó, sản lượng sản xuất năng lượng tái tạo từ các nguồn năng lượng mới (như năng lượng mặt trời và năng lượng gió) sẽ được quyết định bởi một loạt các chỉ tiêu khí hậu như: tốc độ gió, hướng gió, sự thay 8 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com đổi của lượng bức xạ mặt trời đi xuống,. Nghiên cứu này cũng chỉ ra rằng, nhiều dự án xây dựng ứng dụng năng lượng tái tạo được thực hiện với số tiền cần vay vốn có thể lên tới 80%, và nhà thầu sẽ phải trả tiền lãi hàng năm bất kể năng lượng có được tạo ra, hay sản lượng năng lượng tạo ra có đặt đủ yêu cầu hay không. Do đó, khi xây dựng các chính sách đầu tư, kế hoạch quản lý các nhà máy điện, cũng như việc truyền tải các nguồn năng lượng tái tạo này vào hệ thống mạng lưới năng lượng cần phải được tham khảo kỹ càng các thông tin về khí hậu để có được một chiến lược phù hợp nhằm đảm bảo năng suất sản xuất đạt được tối đa, và tận dụng được các tài nguyên sẵn có và giảm thiểu các lãng phí không cần thiết. Điều này là đặc biệt quan trọng trong năm vận hành đầu tiên, do đây là năm có độ rủi ro rất cao.
Hiểu được ý nghĩa thực tiễn và tầm quan trọng của các dự báo mùa, nhiều đề tài nghiên cứu và dự án về chủ đề này đã được thực hiện và đưa vào ứng dụng thử nghiệm. Hai hướng tiếp cận phổ biến đã và đang được ứng dụng vào dự báo hạn mùa là: hướng tiếp cận sử dụng mô hình thống kê thực nghiệm (hay phương pháp thống kê) và hướng tiếp cận sử dụng mô hình động lực (hay phương pháp động lực). Ngoài ra, phương pháp tổ hợp, kết hợp các dự báo từ một trong hai, hoặc cả hai hướng tiếp cận trên cũng được thử nghiệm và đem lại nhiều kết quả tích cực. Chi tiết về các phương pháp dự báo hạn mùa sẽ được trình bày rõ hơn ở phần sau.
Trên thế giới, cho đến nay đã có rất nhiều nỗ lực được thực hiện nhằm cung cấp và ứng dụng các thông tin từ các dự báo hạn mùa vào nghiệp vụ thực tế. Năm 2006, WMO bắ t đầ u chính thức v ận hành các Trung tâm sản phẩ m toàn cầ u cho dự b áo hạn dài (GPCs) như một thành phầ n của H ệ thố ng Xử lý số li ệu và Dự báo toàn cầ u (GDPFS) [17]. Một số các GPCs chính của WMO là : Cục khí tượng Úc (Bureau of Meteorology, Australia); Cơ quan khí tượng Trung Quốc (China Meteorological Administration/Bejing Climate Center ); Trung tâm dự báo khí h ậu Mỹ (Climate Prediction Center, NOAA); Trung tâm dự báo ha ̣n vừa Châu Âu (European Centre for Medium-Range Weather Forecasts ); Cơ quan khí tượng Nh ật Bản (Japan Meteorological Agency/Tokyo Climate Centre );. Ở Châu Âu , một dự án khác cũng đáng lưu ý là DEMETER [18], được Liên minh Châu Âu tài trơ ̣ để ta ̣o b ộ số liệu dự báo lại bằng phương pháp tổ hợp đa mô hình bao gồm 7 mô hình với 9 thành phần tổ hơ ̣p mỗi mô hiǹ h.
Các mô hình này từ các trung tâm khí h ậu của Châu Âu đươ ̣c viế t tắ t là: CERFACS, ECMWF, INGV, LODYC, METEO-FRANCE, MPI và UKMO. Ngoài ra, nhiều nghiên cứu với các quy mô khác nhau đã được thực hiện và có những đóng 9 LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com góp đáng kể trong dưới nhiều góc độ khác nhau trong quá trình phát triển và cải thiện hệ thống dự báo mùa trên toàn cầu. Các nghiên cứu này sẽ được trình bày cụ thể ở phần sau đây. Một số nghiên cứu khác ứng dụng mô hình khí hậu để chi tiết hoá phân giải cao cho một khu vực phương pháp thí nghiệm gần như tương tự đã được thực hiện trước đây như: Xing Yuan và cs.
(2012)[53]đã sử dụng mô hình WRF với 16 cấu hình khác nhau để chi tiết hoá số liệu CFS xuống độ phân giải 30km cho khu vực Trung Quốc; và Jonatan và cs. (2014) [54] cũng sử dụng tổ hợp 22 thành phần số liệu từ CFS làm đầu vào cho mô hình WRF với để dự báo mưa hạn mùa cho các khu vực Sudan-Sahel, Sudan, và Guinean. Theo nghiên cứu của Xing Yuan, mô hình WRF đã làm giảm được sai số của trung bình lượng mưa theo mùa đến 33% so với CFS, trong khi đó, nghiên cứu của Jonatan lại cho thấy WRF đã giảm được tính không chắc chắn đến 69%.