Luận văn thạc sĩ hus nghiên cứu khả năng dự báo hạn mùa của mô hình regcm đối với một số cực đoan nhiệt độ mùa hè trên khu vực bắc trung bộ việt nam

Luận văn thạc sĩ nghiên cứu hus nghiên cứu khả năng dự báo hạn mùa của mô hình regcm đối với một số cực đoan nhiệt độ mùa hè, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện

• Tác giả: Hoàng Thị Thúy Vân
• Người hướng dẫn: TS. Mai Văn Khiêm
• Trường học: Trường Đại Học Khoa Học Tự Nhiên
• Chuyên ngành: Khí tượng học
• Đề tài: Nghiên cứu khả năng dự báo hạn mùa của mô hình RegCM đối với một số cực đoan nhiệt độ mùa hè trên khu vực Bắc Trung Bộ Việt Nam
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2019
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỤC LỤC
• DANH MỤC BẢNG
• DANH MỤC HÌNH VẼ
• DANH MỤC CÁC TỪ VIẾT TẮT
• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU
• 1.1. Nghiên cứu dự báo hạn mùa cực đoan nhiệt độ cao
• 1.1.1. Tình hình nghiên cứu ngoài nước
• 1.1.2. Tình hình nghiên cứu trong nước
• 1.2. Đặc trưng chế độ nhiệt trong mùa hè trên khu vực Bắc Trung Bộ
• 1.3. Nhận xét chung
• 2. CHƯƠNG 2: SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 2.1. Giới thiệu mô hình RegCM
• 2.2. Nguồn số liệu
• 2.3. Thiết kế thí nghiệm
• 2.4. Thông số mô hình
• 2.5. Nội suy số liệu của mô hình
• 2.6. Các chỉ số cực đoan được đánh giá
• 2.7. Phương pháp đánh giá
• 2.8. Phương pháp hiệu chỉnh
• 3. CHƯƠNG 3: KẾT QUẢ VÀ NHẬN XÉT
• 3.1. Khả năng dự báo hạn mùa cực đoan nhiệt độ mùa hè trên khu vực Bắc Trung Bộ
• 3.2. Khả năng dự báo các yếu tố cực trị và cực đoan nhiệt độ mùa hè
• 3.2.1. Nhiệt độ tối cao
• 3.2.2. Nhiệt độ tối cao tuyệt đối
• 3.2.3. Phần trăm số ngày trong tháng có nhiệt độ cực đại lớn hơn phân vị 90% (TX90p)
• 3.3. Khả năng dự báo hiện tượng khí hậu cực đoan liên quan nhiệt độ cao trong mùa hè
• 3.4. Hiệu chỉnh sai số mô hình đối với kết quả dự báo hạn mùa cực đoan nhiệt độ mùa hè trên khu vực Bắc Trung Bộ
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về khả năng dự báo hạn mùa của mô hình RegCM

Mô hình RegCM (Regional Climate Model) đã được áp dụng rộng rãi trong nghiên cứu khí hậu và dự báo thời tiết tại nhiều khu vực trên thế giới. Tại Việt Nam, mô hình này đặc biệt được chú trọng trong việc dự báo hạn mùa, đặc biệt là đối với các hiện tượng cực đoan như nhiệt độ cao trong mùa hè. Nghiên cứu này nhằm đánh giá khả năng dự báo của mô hình RegCM đối với nhiệt độ cực đoan mùa hè tại khu vực Bắc Trung Bộ, nơi có đặc điểm khí hậu đặc thù và đang chịu ảnh hưởng mạnh mẽ của biến đổi khí hậu.

1.1. Đặc điểm khí hậu Bắc Trung Bộ và tầm quan trọng của dự báo

Khu vực Bắc Trung Bộ Việt Nam có khí hậu nhiệt đới gió mùa, với mùa hè nóng ẩm và mùa đông lạnh khô. Nhiệt độ mùa hè thường đạt mức cao, gây ra nhiều vấn đề về sức khỏe và sản xuất nông nghiệp. Việc dự báo chính xác nhiệt độ cực đoan trong mùa hè là rất cần thiết để giảm thiểu thiệt hại do nắng nóng gây ra.

1.2. Mô hình RegCM và ứng dụng trong dự báo khí hậu

Mô hình RegCM là một trong những mô hình khí hậu khu vực tiên tiến, cho phép dự báo các hiện tượng khí hậu với độ phân giải cao. Mô hình này đã được cải tiến qua nhiều phiên bản, giúp nâng cao độ chính xác trong dự báo hạn mùa, đặc biệt là đối với các chỉ số cực đoan như nhiệt độ tối cao và số ngày nắng nóng.

II. Thách thức trong dự báo hạn mùa nhiệt độ cực đoan

Dự báo hạn mùa nhiệt độ cực đoan gặp nhiều thách thức do sự biến đổi khí hậu ngày càng phức tạp. Các yếu tố như biến đổi khí hậu, sự thay đổi của các hệ thống khí quyển và đại dương, cũng như sự thiếu hụt dữ liệu quan trắc chính xác đã ảnh hưởng đến khả năng dự báo. Việc hiểu rõ các thách thức này là cần thiết để cải thiện độ chính xác của các mô hình dự báo.

2.1. Biến đổi khí hậu và tác động đến nhiệt độ cực đoan

Biến đổi khí hậu đã dẫn đến sự gia tăng tần suất và cường độ của các hiện tượng cực đoan, bao gồm cả nắng nóng. Các nghiên cứu cho thấy rằng nhiệt độ cực đoan có xu hướng tăng lên, đặc biệt là trong các tháng mùa hè, gây ra nhiều hệ lụy cho sức khỏe cộng đồng và sản xuất nông nghiệp.

2.2. Thiếu hụt dữ liệu và ảnh hưởng đến dự báo

Sự thiếu hụt dữ liệu quan trắc chính xác và đầy đủ là một trong những thách thức lớn trong việc dự báo hạn mùa. Điều này dẫn đến việc các mô hình không thể phản ánh đúng thực tế khí hậu, từ đó ảnh hưởng đến độ tin cậy của các dự báo.

III. Phương pháp nghiên cứu và ứng dụng mô hình RegCM

Nghiên cứu này sử dụng mô hình RegCM để dự báo hạn mùa nhiệt độ cực đoan tại Bắc Trung Bộ. Các phương pháp đánh giá và hiệu chỉnh sai số được áp dụng để nâng cao độ chính xác của dự báo. Việc sử dụng dữ liệu từ mô hình dự báo toàn cầu CFS cũng giúp cải thiện kết quả dự báo.

3.1. Thiết kế thí nghiệm và nguồn số liệu

Nghiên cứu sử dụng dữ liệu từ mô hình CFS và các số liệu quan trắc trong giai đoạn 1983-2012 để thiết kế thí nghiệm. Các thông số mô hình được điều chỉnh để phù hợp với điều kiện khí hậu của khu vực Bắc Trung Bộ.

3.2. Phương pháp hiệu chỉnh sai số mô hình

Phương pháp hiệu chỉnh sai số được áp dụng để cải thiện độ chính xác của dự báo. Việc này bao gồm việc so sánh kết quả dự báo với dữ liệu quan trắc và điều chỉnh các thông số mô hình để giảm thiểu sai số.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Kết quả nghiên cứu cho thấy mô hình RegCM có khả năng dự báo nhiệt độ cực đoan mùa hè với độ chính xác cao. Các chỉ số như nhiệt độ tối cao và số ngày nắng nóng được dự báo chính xác hơn sau khi áp dụng phương pháp hiệu chỉnh sai số. Điều này có ý nghĩa quan trọng trong việc ứng dụng kết quả dự báo vào thực tiễn.

4.1. Khả năng dự báo nhiệt độ tối cao

Mô hình RegCM đã cho thấy khả năng dự báo nhiệt độ tối cao với độ chính xác cao, đặc biệt là trong các tháng mùa hè. Kết quả cho thấy sự cải thiện rõ rệt sau khi áp dụng phương pháp hiệu chỉnh sai số.

4.2. Ứng dụng kết quả vào quản lý và phát triển

Kết quả dự báo từ mô hình RegCM có thể được ứng dụng trong quản lý tài nguyên nước, nông nghiệp và sức khỏe cộng đồng. Việc dự báo chính xác nhiệt độ cực đoan giúp các cơ quan chức năng có kế hoạch ứng phó kịp thời.

V. Kết luận và triển vọng nghiên cứu trong tương lai

Nghiên cứu khả năng dự báo hạn mùa của mô hình RegCM đối với nhiệt độ cực đoan mùa hè tại Bắc Trung Bộ đã chỉ ra những tiềm năng và thách thức trong việc ứng dụng mô hình này. Kết quả nghiên cứu không chỉ có giá trị trong việc cải thiện dự báo mà còn mở ra hướng đi mới cho các nghiên cứu tiếp theo trong lĩnh vực khí hậu.

5.1. Tóm tắt kết quả chính

Kết quả nghiên cứu cho thấy mô hình RegCM có khả năng dự báo nhiệt độ cực đoan với độ chính xác cao, đặc biệt là sau khi áp dụng phương pháp hiệu chỉnh sai số. Điều này khẳng định giá trị của mô hình trong nghiên cứu khí hậu tại Việt Nam.

5.2. Hướng nghiên cứu tiếp theo

Các nghiên cứu tiếp theo có thể tập trung vào việc cải thiện mô hình và mở rộng ứng dụng của nó trong các lĩnh vực khác nhau như nông nghiệp, quản lý tài nguyên nước và ứng phó với biến đổi khí hậu.

Nội dung chính

Tổng quan nghiên cứu

Biến đổi khí hậu toàn cầu đang thúc đẩy sự gia tăng nghiêm trọng cả về tần suất, cường độ và thời gian kéo dài của các hiện tượng thời tiết cực đoan. Theo các báo cáo khí hậu quốc tế, các đợt nắng nóng cực đoan chiếm tới 75% tổng số ca tử vong liên quan đến thiên tai thời tiết đối với các nhóm dân số dễ bị tổn thương. Tại Việt Nam, Kịch bản Biến đổi Khí hậu và Nước biển dâng công bố năm 2016 đã chỉ ra rằng số ngày nắng nóng có xu thế tăng từ 20 đến 40 ngày trên cả nước, trong đó dải đất Bắc Trung Bộ là khu vực ghi nhận tốc độ gia tăng nhanh nhất và khắc nghiệt nhất. Các kỷ lục nhiệt độ lịch sử liên tiếp được thiết lập tại khu vực này, tiêu biểu như 42,7°C tại Tương Dương và 43,4°C tại Hương Khê, gây ảnh hưởng nặng nề đến sản xuất nông nghiệp, an ninh năng lượng và sức khỏe cộng đồng.

Xuất phát từ thực tiễn trên, đề tài tập trung nghiên cứu và đánh giá năng lực dự báo hạn mùa từ 1 đến 5 tháng đối với các chỉ số cực đoan nhiệt độ mùa hè (tháng 6, 7 và 8) trên khu vực Bắc Trung Bộ bằng mô hình khí hậu khu vực RegCM phiên bản 4.6. Nghiên cứu khai thác chuỗi số liệu dự báo lại dài hạn trong 30 năm (giai đoạn 1983-2012) từ mô hình toàn cầu CFS của NCEP (Hoa Kỳ) kết hợp bộ số liệu quan trắc tại 25 trạm khí tượng phân bố khắp 6 tỉnh Bắc Trung Bộ. Đồng thời, đề tài tiến hành thử nghiệm phương pháp hiệu chỉnh sai số hệ thống cho giai đoạn 2013-2014. Kết quả nghiên cứu tạo tiền đề khoa học vững chắc nhằm nâng cao độ tin cậy của các bản tin cảnh báo sớm, góp phần giảm thiểu rủi ro thiên tai khí hậu cho khu vực miền Trung.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết thủy nhiệt động lực học khí quyển và phương pháp hạ quy mô động lực (dynamical downscaling). Mô hình khí hậu khu vực RegCM4.6 giải hệ phương trình nguyên thủy thủy tĩnh nén trong hệ tọa độ sigma-p, tích hợp các sơ đồ tham số hóa vật lý hiện đại nhằm mô phỏng chi tiết các quá trình trao đổi năng lượng, bức xạ và nhiệt ẩm.

Đồng thời, nghiên cứu vận dụng lý thuyết nhiệt động học địa phương để mô tả hiệu ứng phơn (Foehn) – nhân tố cốt lõi gây ra các đợt khô nóng khốc liệt tại Bắc Trung Bộ khi khối không khí gió mùa Tây Nam vượt qua dãy Trường Sơn Bắc bị mất ẩm và đốt nóng đoạn nhiệt khô với gradien nhiệt độ giảm theo độ cao đạt δd = -0,98°C/100m.

Khung đánh giá chỉ số cực đoan bám sát hướng dẫn của Tổ chức Khí tượng Thế giới (WMO) và nhóm chuyên gia ETCCDI, tập trung vào 3 nhóm khái niệm cốt lõi:

• Các yếu tố cực trị nhiệt độ: Nhiệt độ tối cao trung bình tháng (Tx) và Nhiệt độ tối cao tuyệt đối (TXx).
• Chỉ số tần suất cực đoan: Phần trăm số ngày trong tháng có nhiệt độ cực đại vượt ngưỡng phân vị 90% (TX90p).
• Hiện tượng cực đoan nắng nóng: Số ngày nắng nóng (SNNN), nắng nóng diện rộng (SNNNDR), nắng nóng gay gắt diện rộng (SNNNGGDR) và số đợt nắng nóng kéo dài được xác định theo cả ngưỡng nhiệt cố định (35°C, 37°C) lẫn ngưỡng phân vị thực nghiệm tại từng trạm (P35, P37).

Phương pháp nghiên cứu

Nguồn dữ liệu đầu vào sử dụng sản phẩm dự báo lại toàn cầu CFSv2 với độ phân giải lưới 1° x 1° kinh vĩ, gồm 18 tầng áp suất theo phương thẳng đứng và nhiệt độ mặt nước biển OISST cập nhật liên tục từ NOAA. Chuỗi số liệu thực đo nhiệt độ tối cao ngày được thu thập đồng bộ tại 25 trạm quan trắc khí tượng trải dài từ Thanh Hóa đến Thừa Thiên Huế trong giai đoạn 32 năm (1983-2014). Cỡ mẫu nghiên cứu bao gồm hơn 73.600 quan trắc trạm-ngày, đảm bảo độ đại diện thống kê cao và phản ánh đầy đủ các pha dao động khí hậu quy mô lớn như ENSO.

Quy trình mô phỏng thiết lập hệ thống 2 miền tính lồng nhau theo phương thức offline: miền ngoài có độ phân giải 60 km (119 x 148 nút lưới) bao trùm các hoàn lưu chi phối khu vực châu Á, miền trong có độ phân giải 20 km (139 x 139 nút lưới) bao trọn lãnh thổ Việt Nam. Cấu hình vật lý gồm sơ đồ đối lưu Tiedtke, sơ đồ lớp biên Holtslag, sơ đồ bức xạ CCM3, sơ đồ giáng thủy SUBEX và mô hình bề mặt đất BATS1e.

Số liệu đầu ra của mô hình được nội suy về tọa độ 25 trạm và hiệu chỉnh độ lệch địa hình thực tế bằng công thức gradien đoạn nhiệt khô. Đánh giá kỹ năng dự báo sử dụng tập hợp các chỉ số thống kê toán học: Sai số trung bình (ME), Sai số tuyệt đối trung bình (MAE), Sai số quân phương (RMSE), Hệ số tương quan Pearson (r) và phân bố mật độ xác suất thực nghiệm. Cuối cùng, phương pháp hiệu chỉnh sai số hệ thống (BSC) được áp dụng độc lập cho giai đoạn thử nghiệm 2013-2014 nhằm cô lập và triệt tiêu các độ lệch hệ thống phát sinh từ cấu trúc số trị.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích chuỗi dữ liệu 30 năm (1983-2012) đã làm sáng tỏ nhiều đặc tính dự báo quan trọng của mô hình RegCM4.6 đối với chế độ nhiệt mùa hè tại Bắc Trung Bộ:

• Năng lực mô phỏng nhiệt độ tối cao trung bình tháng (Tx): Độ chính xác của mô hình có sự phân hóa rõ nét theo từng tháng mùa hè. Trong tháng 6, mô hình đạt chất lượng dự báo tốt nhất với sai số MAE dao động từ 1,5°C đến 2,0°C và ME trung bình vùng xấp xỉ -0,5°C đến 1,1°C. Sang tháng 7, sai số MAE tăng lên mức 1,9°C đến 3,1°C đi kèm xu thế dự báo thiên cao với ME dương từ 1,6°C đến 2,9°C. Tháng 8 ghi nhận sai số lớn nhất khi MAE đạt từ 2,8°C đến 4,4°C và ME thiên cao từ 2,7°C đến 4,3°C trên toàn khu vực.
• Biến động sai số theo hạn dự báo: Kết quả cho thấy xu hướng khác biệt so với dự báo thời tiết thông thường. Sai số MAE và RMSE của Tx trong các tháng 7 và 8 có xu hướng giảm khi hạn dự báo tăng từ 1 tháng lên 4-5 tháng. Cụ thể trong tháng 8, sai số MAE trung bình toàn vùng giảm từ 4,4°C ở hạn 1 tháng xuống còn 2,8°C ở hạn 5 tháng.
• Tương quan chuỗi thời gian: Hệ số tương quan r giữa quan trắc và mô hình cho toàn khu vực đạt giá trị từ 0,3 đến 0,6. Tháng 7 đạt tương quan cao nhất (r = 0,4 - 0,6), tiếp đến là tháng 8 (r = 0,4 - 0,5) và tháng 6 (r = 0,3 - 0,4). Mức độ tương quan này phản ánh khả năng nắm bắt tương đối đồng nhất xu thế không gian của hoàn lưu nhiệt độ mùa hè.
• Hiệu quả hiệu chỉnh độ cao địa hình: Việc áp dụng gradien đoạn nhiệt khô (-0,98°C/100m) đã cải thiện trực tiếp số liệu đầu vào tại các trạm vùng núi cao. Điển hình tại trạm Tương Dương với chênh lệch độ cao mô hình so với thực tế là 476,8m, giá trị Tx được hiệu chỉnh bù nhiệt lên tới 4,67°C; trạm Hồi Xuân chênh lệch 300,4m được hiệu chỉnh 2,94°C.

Thảo luận kết quả

Nguyên nhân dẫn đến sai số thiên cao đáng kể trong tháng 7 và tháng 8 bắt nguồn từ sự tương tác phi tuyến phức tạp giữa sơ đồ bức xạ CCM3, sơ đồ đất BATS1e và hiệu ứng gió phơn địa phương. Khi mô phỏng bề mặt đệm trong điều kiện độ ẩm đất suy giảm vào nửa cuối mùa hè, mô hình có xu hướng đánh giá quá mức thông lượng nhiệt hiện và tích tụ nhiệt lượng tại lớp biên khí quyển, dẫn đến nhiệt độ cực đại bị đẩy lên cao hơn thực tế từ 2°C đến 5°C tại vùng đồng bằng ven biển Thanh Hóa và Nghệ An.

Kết quả này hoàn toàn tương đồng với các công bố khoa học quốc tế trong khuôn khổ dự án CORDEX Đông Nam Á khi sử dụng mô hình RegCM4 kết hợp dữ liệu tái phân tích, vốn cũng chỉ ra độ nhạy cao của sơ đồ đối lưu đối với trường nhiệt cực trị. Để minh họa trực quan, các trường dữ liệu sai số được thể hiện hiệu quả nhất thông qua hệ thống bản đồ phân bố không gian ME, đồ thị tần suất tích lũy sai số MAE và đồ thị phân tán điểm (scatter plot) kết hợp đường hồi quy thực nghiệm. Việc đối sánh giữa phân bố tần suất lý thuyết và quan trắc giúp phát hiện chính xác các khoảng giá trị mà mô hình bị lệch pha, làm căn cứ xác lập hàm truyền hiệu chỉnh tối ưu.

Đề xuất và khuyến nghị

Nhằm hoàn thiện quy trình nghiệp vụ và ứng dụng hiệu quả sản phẩm mô hình số trị vào công tác dự báo khí hậu phục vụ phát triển kinh tế - xã hội, các giải pháp trọng tâm được đề xuất bao gồm:

• Chuẩn hóa quy trình hiệu chỉnh sai số hệ thống (BSC) đa biến: Trung tâm Dự báo Khí tượng Thủy văn Quốc gia cần tích hợp mô-đun hiệu chỉnh BSC tự động vào chuỗi công nghệ dự báo hạn mùa, phấn đấu giảm sai số MAE của dự báo nhiệt độ tối cao xuống dưới 1,2°C tại 100% các trạm quan trắc trọng điểm trước năm 2025.
• Nâng cấp độ phân giải và chuyển đổi sang lõi phi thủy tĩnh: Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu chủ trì triển khai thử nghiệm phiên bản mô hình RegCM thế hệ mới với lưới tính độ phân giải cao ≤5 km cho khu vực miền Trung, hoàn thành đánh giá tham số hóa vật lý lớp biên trong giai đoạn 2024-2026.
• Áp dụng bộ chỉ số ngưỡng cực đoan động dựa trên phân vị (P35, P37): Đài Khí tượng Thủy văn khu vực Bắc Trung Bộ cần chuyển đổi linh hoạt từ ngưỡng nhiệt tuyệt đối sang ngưỡng bách phân vị trạm trong xác định số ngày nắng nóng gay gắt, giúp tăng độ chính xác phát hiện các đợt sóng nhiệt cục bộ thêm ít nhất 20% trong giai đoạn 2024-2025.
• Xây dựng hệ thống cảnh báo sớm rủi ro nhiệt nội mùa đến hạn mùa (S2S): Ban Chỉ đạo Quốc gia về Phòng chống Thiên tai phối hợp cùng các bộ, ngành liên quan ứng dụng sản phẩm dự báo hạn 1-3 tháng của mô hình để lập kế hoạch điều tiết nguồn nước tưới tiêu và điều độ phụ tải điện lưới quốc gia từ 30 đến 60 ngày trước các đợt cao điểm mùa hè.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả thực nghiệm của công trình mang lại giá trị thực tiễn và học thuật cho 4 nhóm đối tượng chính:

• Chuyên viên dự báo khí tượng thủy văn: Nắm vững phương pháp thiết lập mô hình khí hậu khu vực, kỹ thuật lồng ghép miền tính offline và thuật toán xử lý dữ liệu dự báo lại từ mô hình toàn cầu CFSv2 phục vụ công tác nghiệp vụ hàng ngày.
• Học viên cao học và nghiên cứu sinh chuyên ngành Khí tượng, Biến đổi khí hậu: Khai thác làm tài liệu tham khảo chuẩn mực về phương pháp luận đánh giá chỉ số khí hậu cực đoan ETCCDI, kỹ thuật xử lý sai số địa hình và các công thức hiệu chỉnh thống kê sau mô hình.
• Cơ quan quản lý nhà nước và hoạch định chính sách phòng chống thiên tai: Sử dụng các dẫn chứng định lượng về quy luật nhiệt độ cực trị Bắc Trung Bộ để xây dựng kế hoạch hành động ứng phó nắng nóng và hạn hán cấp tỉnh với tầm nhìn trung và dài hạn.
• Doanh nghiệp trong lĩnh vực nông nghiệp, năng lượng và bảo hiểm: Ứng dụng các kịch bản dự báo hạn mùa nhiệt độ để tối ưu hóa lịch thời vụ gieo trồng, quản lý rủi ro cháy rừng và dự báo nhu cầu tiêu thụ điện năng trong các tháng cao điểm mùa khô.

Câu hỏi thường gặp

1. Mô hình RegCM phiên bản 4.6 có những cải tiến kỹ thuật nổi bật nào so với các phiên bản tiền nhiệm?
RegCM4.6 nâng cấp toàn diện cấu trúc mã nguồn, tối ưu hóa khả năng chạy song song và bổ sung các sơ đồ đối lưu tiên tiến như Tiedtke, Kain-Fritsch bên cạnh sơ đồ hỗn hợp Grell-Emanuel. Đặc biệt, phiên bản này hỗ trợ tích hợp trực tiếp điều kiện biên phân giải cao từ hệ thống CFSv2 và cung cấp tùy chọn mô hình đất CLM4, nâng cao độ chính xác mô phỏng tương tác đất - khí quyển.

2. Vì sao mô hình RegCM4.6 lại có xu thế dự báo nhiệt độ tối cao thiên cao rõ rệt trong tháng 7 và tháng 8?
Nguyên nhân chủ yếu do sự kết hợp giữa hiệu ứng đốt nóng đoạn nhiệt phơn qua sườn đông Trường Sơn và hiện tượng phản hồi khô hạn của mô hình đất BATS1e. Trong các tháng giữa và cuối hè, mô hình tính toán lượng bốc thoát hơi nước thực tế thấp hơn thực tế, làm giảm mạnh thông lượng nhiệt ẩn và tăng thông lượng nhiệt hiện, khiến giá trị Tx dự báo cao hơn quan trắc từ 2,0°C đến 4,0°C.

3. Việc hiệu chỉnh độ cao địa hình theo đoạn nhiệt khô (-0,98°C/100m) mang lại ý nghĩa gì cho kết quả dự báo?
Địa hình mô hình ở lưới 20 km thường bị làm trơn đáng kể so với thực tế, tạo ra chênh lệch độ cao trạm lên tới hàng trăm mét. Áp dụng gradien đoạn nhiệt khô đặc trưng cho điều kiện gió phơn giúp loại bỏ sai số cơ học do độ cao, bù nhiệt chính xác từ 0,5°C đến 4,67°C tại các trạm miền núi như Tương Dương, Hồi Xuân, đảm bảo tính đồng nhất trước khi đánh giá kỹ năng mô hình.

4. Tại sao sai số MAE của dự báo nhiệt độ tối cao ở hạn 4-5 tháng lại có xu hướng thấp hơn hạn 1 tháng?
Hiện tượng này bắt nguồn từ quá trình điều chỉnh động lực học (spin-up) của mô hình khí hậu toàn cầu CFSv2. Ở các hạn dự báo ngắn (1 tháng), các dao động nhiễu động ban đầu chưa đạt trạng thái cân bằng thống kê hoàn toàn; trong khi ở hạn 4-5 tháng, các hoàn lưu quy mô lớn đạt độ ổn định cao hơn, giúp trường biên truyền vào RegCM4.6 ít bị đột biến cực đoan cục bộ.

5. Hiệu chỉnh sai số hệ thống (BSC) giúp cải thiện độ chính xác dự báo cụ thể ra sao trong thực nghiệm?
Phương pháp BSC sử dụng trường sai số ME và MAE được xây dựng từ chuỗi chuẩn 30 năm (1983-2012) để trừ khử độ lệch cố định cho từng trạm và từng hạn dự báo. Trong giai đoạn thử nghiệm 2013-2014, BSC đã thu hẹp đáng kể khoảng phân tán sai số, triệt tiêu độ lệch thiên cao của Tx tháng 7 và tháng 8, đưa đường hồi quy thực nghiệm tiệm cận sát đường hồi quy lý tưởng.

Kết luận

• Luận văn đã thực hiện đánh giá toàn diện, có hệ thống năng lực dự báo hạn mùa từ 1 đến 5 tháng của mô hình RegCM4.6 đối với các cực đoan nhiệt độ mùa hè trên khu vực Bắc Trung Bộ dựa trên chuỗi số liệu 30 năm (1983-2012).
• Xác lập bức tranh chi tiết về sai số mô hình với MAE dự báo Tx dao động từ 1,5°C đến 4,4°C; đồng thời phát hiện quy luật dự báo thiên thấp trong tháng 6 (ở hạn 3-5 tháng) và thiên cao rõ rệt trong tháng 7 và tháng 8 trên toàn vùng.
• Khẳng định vai trò thiết yếu của việc hiệu chỉnh sai số địa hình bằng gradien đoạn nhiệt khô (-0,98°C/100m), giúp loại bỏ sai lệch nhiệt độ cơ học lên tới 4,67°C tại các trạm địa hình phức tạp.
• Chứng minh tính hiệu quả vượt trội của phương pháp hiệu chỉnh sai số hệ thống (BSC) trong việc làm giảm sai số dự báo các chỉ số cực trị Tx, TXx và các đợt nắng nóng diện rộng trong giai đoạn kiểm định 2013-2014.
• Đóng góp nguồn cơ sở dữ liệu khí hậu mô hình chuẩn hóa, mở ra hướng nghiên cứu ứng dụng dự báo tổ hợp đa mô hình kết hợp hạ quy mô thống kê nhằm phục vụ công tác cảnh báo sớm thiên tai tại Việt Nam.

Trong giai đoạn tiếp theo (2024-2026), các đơn vị nghiên cứu cần tiếp tục mở rộng thử nghiệm mô hình đối với các hiện tượng cực đoan lượng mưa và tích hợp trí tuệ nhân tạo (AI) vào khâu hậu xử lý sai số. Quý độc giả, các nhà nghiên cứu và cơ quan chuyên môn quan tâm có thể khai thác trực tiếp phương pháp luận và bộ tham số thực nghiệm của luận văn để phục vụ công tác nghiên cứu và triển khai ứng dụng thực tế.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU 1. Nghiên cứu dự báo hạn mùa cực đoan nhiệt độ cao 1. Tình hình nghiên cứu ngoài nước Trong thế kỷ 21, biến đổi khí hậu được xem là một trong những mối đe dọa môi trường lớn nhất đối với thế giới, và sự thay đổi phức tạp của các cực đoan khí hậu được ước tính gây ra những tác động tiêu cực đến xã hội loài người và môi trường tự nhiên nhiều hơn so với sự biến đổi của các đặc trưng khí hậu trung bình [42].

Theo báo cáo lần thứ năm (AR5) của IPCC, phần lớn những thay đổi lớn nhất của cực đoan khí hậu trên toàn cầu được tìm thấy trong các yếu tố và hiện tượng liên quan đến nhiệt độ; cực đoan lượng mưa mặc dù cũng có xu thế tăng lên tuy nhiên có sự biến động không gian lớn [45]. Các cực đoan nhiệt độ là một trong những nguyên nhân hàng đầu gây ra bệnh tật và tử vong cho các đối tượng dễ bị tổn thương nhất bao gồm người già, trẻ sơ sinh ở cả các nước phát triển cũng như đang phát triển. Nó chiếm tới 75% số ca tử vong liên quan đến thời tiết cũng như tăng tỷ lệ mắc bệnh ngay cả ở các nước có thu nhập cao [25, 26]. Cùng với xu thế gia tăng nhiệt độ trên toàn cầu, trong những năm gần đây, các kỷ lục mới về nhiệt độ cao liên tiếp được ghi nhận tại nhiều khu vực và thường xảy ra trong các tháng mùa hè như Mitribah (Kuwait) 54,2oC ngày 21/07/2016; Ahwaz (Iran) 54,0oC ngày 29/6/2017; Basra (Irag) 53,9oC ngày 22/7/2016; 50,3oC (Trung Quốc) ngày 24/7/2015; 51oC (Ấn Độ) ngày 19/5/2016.

Các cực đoan liên quan đến nhiệt độ được dự báo sẽ tăng ở nhiều khu vực; đồng thời tần suất, cường độ và thời gian kéo dài các hiện tượng cực đoan liên quan đến nhiệt độ cao, cụ thể là nắng nóng (NN) có xu thế tăng lên đáng kể gây thiệt hại lớn về người và của. Theo báo cáo của IPCC 2015, từ những năm 1950 trở lại đây, trong khi số ngày và số đêm lạnh có xu thế giảm thì số ngày, số đêm nóng, tần xuất xuất hiện các đợt nắng nóng lại có xu thế gia tăng rõ rệt trên quy mô toàn cầu, đặc biệt tại các khu vực như châu Âu, châu Á và Austraylia [45]. Tại một số khu vực, nắng nóng là nhân tố chịu trách nhiệm cho nhiều trường hợp tử vong trong những thập kỷ qua hơn bất kỳ sự kiện cực đoan nào khác [39]. 3 LUAN VAN CHAT LUONG download : add [e-mail] Thế nhưng thật may mắn khi thông thường những bệnh tật và tử vong liên quan đến cực đoan nhiệt độ phần lớn có thể ngăn ngừa trước một thời gian dài nếu có thể xây dựng được một hệ thống dự báo khí hậu nội mùa đến hạn mùa S2S (sub- seasonal-to-seasonal) có độ tin cậy cao [39].

Trong đó, các thông tin dự báo hạn mùa là chìa khóa quan trọng cho những quyết định dài hạn và cảnh báo sớm các hiện tượng cực đoan, thiên tai có thể xảy ra trong bối cảnh sự nóng lên toàn cầu đang diễn ra với tốc độ ngày càng nhanh như hiện nay. Dự báo hạn mùa (seasonal forecast) thuộc bài toán dự báo khí hậu, do vậy cần xác định rõ ràng rằng các kết quả dự báo sẽ không chỉ ra được trạng thái khí quyển vào những thời điểm cụ thể từng ngày, từng giờ mà thay vào đó sẽ cung cấp các thông tin chung về điều kiện khí quyển trong từng khoảng thời gian nhất định ví dụ như từng tháng, từng mùa và tối đa là 1 năm. Thông thường, trong nghiên cứu dự báo mùa, các nhà khí tượng - khí hậu chủ yếu tập trung vào dự báo xu hướng và mức độ dao động xung quanh trung bình nhiều năm hay trung bình chuẩn (dưới dạng dự báo chuẩn sai) hoặc xác suất xuất hiện các pha với 3 pha cơ bản bao gồm trên (vượt) chuẩn, lân cận (xấp xỉ) chuẩn và dưới (hụt) chuẩn. Về phương pháp dự báo hạn mùa đối với cả yếu tố khí hậu và các yếu tố, hiện tượng cực đoan đến nay có hai cách tiếp cận cơ bản là bằng phương pháp thống kê thực nghiệm (thống kê truyền thống và hạ quy mô thống kê) và phương pháp số trị (bao gồm sử dụng một mô hình số hoặc kết hợp đa mô hình số trị để dự báo) [49, 27].

Cách tiếp cận thống kê là một phương pháp truyền thống được thực hiện từ rất lâu và là công cụ sử dụng khá phổ biến từ cuối thế kỷ 19. Trong cách tiếp cận này, quan hệ thống kê giữa yếu tố dự báo và nhân tố dự báo (tập số liệu lịch sử hoặc trường dự báo từ mô hình khí hậu toàn cầu hoặc khu vực) được thiết lập. Một số nghiên cứu áp dụng phương pháp này trong dự báo cực đoan nhiệt độ có thể kể đến như: Alfaro và CS, 2006 [22] xây dựng mô hình thống kê dựa trên phân tích tương quan Canon (CCA) nhằm đánh giá khả năng dự báo nhiệt độ tối cao (Tx) và nhiệt độ tối thấp (Tm) tháng 6 đến tháng 8 cũng như tần suất cực trị nhiệt độ ngày (Tx ngày lớn hơn phân vị 90% Tx khí hậu trong các tháng mùa hè) ở khu vực trung tâm và miền Tây Hoa 4 LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Della và CS, 2007 [28] áp dụng phân tích tương quan Canon để xem xét mối quan hệ và khả năng dự báo các đợt sóng nhiệt trên khu vực Tây Âu giai đoạn 1880 -2003 dựa trên những tác động quy mô lớn (large-scale forcings).

Fan và CS, 2013 [30] áp dụng hai phương pháp hạ quy mô thống kê cho việc tính toán bốn chỉ số cực trị nhiệt độ mùa hè bao gồm: nhiệt độ tối cao trung bình (Tx), nhiệt độ tối thấp trung bình (Tm), phân vị 90% của nhiệt độ tối cao (Tx90) và phân vị 90% nhiệt độ tối thấp (Tm90) cho 48 trạm quan trắc ở phía bắc Trung Quốc từ 1960 - 2008. Phương pháp đầu tiên các tác giả sử dụng là hạ quy mô Tx, Tm ngày dựa vào phân tích EOF và hồi quy tuyến tính từng bước, sau đó mới tính toán các chỉ số cực đoan. Một cách khác là hạ quy mô trực tiếp các chỉ số dựa trên ngưỡng phân vị sử dụng các ghi nhận thông tin về nhiệt độ và độ cao địa thế vị trung bình mùa quy mô lớn thu được từ số liệu tái phân tích của NCEP. Các kết quả thu được cho thấy, việc xác định các chỉ số cực đoan bằng phương pháp sau cho kết quả tốt hơn so với phương pháp trước.

Cách tiếp cận thống kê mặc dù có đạt một số kết quả nhất định, dễ áp dụng và ít tốn kém tài nguyên máy tính, tuy nhiên còn khá xa để phương pháp này có thể đáp ứng được nhu cầu đòi hỏi của thực tế, đặc biệt là vấn đề dự báo các hiện tượng cực đoan tại một địa phương. Thông thường cách tiếp cận thống kê chỉ có hiệu quả đối với các hiện tượng khí hậu mang tính quy luật, hoặc nắm bắt tốt sự phát triển của các hệ thống thời tiết, khí hậu quy mô lớn; trong khi các hiện tượng cực đoan với tính đột biến cao thường bị “bỏ sót”, hoặc sự ảnh hưởng của đặc trưng của địa phương thường bị làm trơn. Hơn nữa, sự hạn chế trong việc thu thập và lưu trữ số liệu quan trắc về các yếu tố cực trị trong quá khứ cũng là điểm bất lợi đối việc áp dụng phương pháp này trong dự báo. Phương pháp động lực áp dụng trong dự báo mùa mới được phát triển khoảng vài chục năm trở lại đây dựa trên nền tảng sự phát triển mạnh mẽ của công nghệ máy tính và những hiểu biết sâu về bản chất vật lý các quá trình trong khí quyển của con người.

Cách tiếp cận này dựa trên các nguyên lý cơ bản nhiệt động lực học trong khí quyển để mô phỏng các hiện tượng, các quá trình vận động của toàn bộ khí quyển đối với khu vực được quan tâm nghiên cứu. Phương pháp số trị khắc phục một số nhược 5 LUAN VAN CHAT LUONG download : add [e-mail] điểm của phương pháp thống kê trong dự báo cực đoan khí hậu đã đề cập ở trên, đây là hướng tiếp cận hiện đại mà nhiều Trung tâm nghiên cứu và các nhà khoa học đang quan tâm phát triển. Các mô hình dự báo khí hậu hạn mùa, theo mức độ phức tạp, có thể sắp xếp theo thứ tự từ những mô hình cân bằng năng lượng đơn giản đến các mô hình rất phức tạp, đòi hỏi phải có các máy tính lớn, tốc độ tính toán nhanh và nhiều kỹ thuật tính toán. Ban đầu khi các hệ thống máy tính lớn chưa được trang bị tại nhiều khu vực, thông thường các thông tin dự báo hạn mùa được lấy trực tiếp từ đầu ra các sản phẩm dự báo của các mô hình khí hậu toàn cầu (GCM-Global climate model) bao gồm mô hình hoàn lưu chung khí quyển (AGCM) và các mô hình hoàn lưu chung khí quyển đại dương (AOGCM).

Một số mô hình dự báo hạn mùa toàn cầu có thể kể đến như: CFS của Mỹ, hệ thống dự báo khí hậu mùa GloSea của Anh, mô hình động lực kết hợp khí quyển - đại dương POAMA của cục Khí tượng Úc (BOM), hệ thống dự báo mùa ECMWF-IFS của Trung tâm Khí tượng Hạn vừa châu Âu, hệ thống dự báo tổ hợp EPS bao gồm mô hình hoàn lưu chung khí quyển AGCM và mô hình đại dương OGCM của Nhật Bản. Hệ thống dự báo khí hậu CFS (Climate Forecast System) là hệ thống nổi bật trong dự báo hạn mùa toàn cầu hiện nay và là hệ thống sử dụng mô hình động lực kết hợp đầy đủ khí quyển-đại dương-đất liền được đưa vào nghiệp vụ tại NCEP từ tháng 8 năm 2004. CFS phiên bản 1 được phát triển từ 4 thành phần công nghệ được thiết kế độc lập bao gồm cơ quan năng lượng tái phân tích toàn cầu 2 (Department of Energy Global Reanalysis 2) cung cấp các điều kiện ban đầu bề mặt và khí quyển; hệ thống đồng hóa dữ liệu đại dương toàn cầu (GODAS) hoạt động tại NCEP năm 2003 cung cấp các trạng thái ban đầu cho đại dương; hệ thống dự báo toàn cầu (GFS) của NCEP năm 2003 là mô hình khí quyển chạy ở độ phân giải thấp hơn T62L64 và mô hình đại dương, phiên bản 3 ( MOM3) từ phòng thí nghiệm Động lực học Địa vật lý (GFDL).