Luận văn Thử nghiệm dự báo hạn mùa một số chỉ số khí hậu cực đoan bằng mô hình regcm cho khu vực Việt Nam

1 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN --------------------- Trịnh Tuấn Long THỬ NGHIỆM DỰ BÁO HẠN MÙA MỘT SỐ CHỈ SỐ KHÍ HẬU CỰC ĐOAN BẰNG MÔ HÌNH REGCM CHO KHU VỰC VIỆT NAM Chuyên ngành: Khí tượng và khí hậu học Mã số: 62.44.87 LUẬN VĂN THẠC SĨ KHOA HỌC NGƯỜI HƯỚNG DẪN KHOA HỌC: GS. TS. Phan Văn Tân Hà Nội - 2012 2 LỜI CẢM ƠN Tác giả xin bày tỏ lòng biết ơn chân thành nhất tới thầy GS.TS. Phan Văn Tân, người đã hết lòng quan tâm cũng như kiên trì giúp đỡ từng bước nghiên cứu của học viên. Tác giả cũng xin chân thành cảm ơn tập thể Bộ môn khí tượng nói riêng và Khoa Khí tượng Thủy Văn và Hải dương học nói chung đã luôn giúp đỡ, tạo điều kiện để tác giả hoàn thành luận văn. Không những vậy, còn mang lại một môi trường làm việc thân thiện và hiệu quả nhất cho học viên. Trịnh Tuấn Long 3 MỤC LỤC DANH MỤC HÌNH ......................................................................................................... 4 DANH MỤC CÁC KÝ HIỆU VIẾT TẮT ....................................................................... 6 Chương 1 TỔNG QUAN ................................................................................................. 9 1.1 Các nghiên cứu trên thế giới ................................................................................... 9 1.2. Các nghiên cứu trong nước .................................................................................. 19 Chương 2 PHƯƠNG PHÁP NGHIÊN CỨU ................................................................. 24 2.1 Xác định các chỉ số khí hậu cực đoan................................................................... 24 2.2 Hệ thống mô hình dự báo khí hậu CFS ................................................................ 28 2.3 Mô hình khí hậu khu vực RegCM ........................................................................ 29 2.4 Cách xác định các chỉ số ECE từ sản phẩm mô hình ........................................... 34 2.5 Phương pháp đánh giá .......................................................................................... 36 Chương 3 KẾT QUẢ VÀ NHẬN XÉT ...................................................................... 40 3.1 Kết quả nhiệt độ trung bình tháng ........................................................................ 40 3.2 Các trường nhiệt độ cực trị ................................................................................... 50 3.3 Các chỉ số khí hậu cực đoan ................................................................................. 63 TÀI LIỆU THAM KHẢO .............................................................................................. 68 PHỤ LỤC ....................................................................................................................... 73 4 DANH MỤC HÌNH Hình 1.1 : Trung tâm sản phẩm toàn cầu cho dự báo hạn dài của WMO ..................... 16 Hình 2.1 Cấu trúc lưới thẳng đứng (bên trái) và lưới ngang dạng xen kẽ ArakawaB (bên phải) của mô hình ................................................................................................... 30 Hình 2.2 Quy trình dự báo mùa ..................................................................................... 33 Hình 2.3 Xác định chỉ số ECE bằng phương pháp phân vị ........................................... 36 Hình 3.1: Nhiệt độ trung bình tháng dự báo ứng với các hạn dự báo khác nhau ......... 41 Hình 3.2 Nhiệt độ trung bình tháng (a), hệ số tương quan (b), sai số ME (c) và sai số quân phương (d) ............................................................................................................. 42 Hình 3.3 Đồ thị phân bố tần suất trường nhiệt độ trung bình cho tháng 8 và tháng 4 .. 44 Hình 3.4: Phân bố đồng thời giá trị nhiệt độ tháng 8 và tháng 4 ................................... 46 Hình : 3.5 Tổng lượng mưa tháng dự báo với các hạn dự báo từ 1 đến 6 tháng ........... 47 Hình 3.6 : Lượng mưa trung bình tháng (a), hệ số tương quan (b), sai số ME (c) và sai số quân phương (d) ........................................................................................................ 48 Hình 3.7 Đồ thị phân bố tần suất trường mưa cho tháng 8 và tháng 4 .......................... 49 Hình 3.8 Nhiệt độ cực tiểu trung bình tháng ứng với các hạn dự báo khác nhau .......... 51 Hình 3.9 : Nhiệt độ cực tiểu trung bình tháng (a), hệ số tương quan (b), sai số ME (c) và sai số quân phương (d) .............................................................................................. 52 Hình 3.10 : Đồ thị phân bố tần suất nhiệt độ cực tiểu trung bình tháng cho tháng 8 và tháng 4 ............................................................................................................................ 54 Hình 3.11 : Phân bố đồng thời giá trị nhiệt độ cực tiểu trung bình tháng 8 và tháng 4 . 55 Hình 3.12 Nhiệt độ cực đại trung bình tháng ứng với các hạn dự báo khác nhau ......... 56 Hình 3.13: Nhiệt độ cực đại trung bình tháng (a), hệ số tương quan (b), sai số ME (c) và sai số quân phương (d) .............................................................................................. 57 Hình 3.14 Đồ thị phân bố tần suất nhiệt độ cực đại trung bình tháng cho tháng 8 và tháng 4 ............................................................................................................................ 58 Hình 3.15 Phân bố đồng thời giá trị nhiệt độ cực đại trung bình tháng 8 và tháng 4 .... 59 5 Hình 3.16 Nhiệt độ cực tiểu tuyệt đối tháng 3 đến tháng 8 với hạn dự báo tứng ứng từ 1 đến 6 tháng. .................................................................................................................... 61 Hình 3.17 Nhiệt độ cực đại tuyệt đối tháng 3 đến tháng 8 với hạn dự báo tứng ứng từ 1 đến 6 tháng. .................................................................................................................... 63 Hình 3.18 khả năng dự báo số ngày rét đậm C15 (a), rét đậm, rét hại C13 (b). ........... 64 Hình 3.19 khả năng dự báo số ngày nắng nóng H35 (a), nắng nóng gay gắt H37 (b). 64 Hình 3.20 khả năng dự báo số ngày mưa lớn................................................................ 65 6 DANH MỤC CÁC KÝ HIỆU VIẾT TẮT AGCM Mô hình hoàn lưu chung khí quyển GCM Mô hình hoàn lưu chung khí quyển (Global Circulation model) CFS Hệ thống dự báo mùa toàn cầu (Climate Forecast Systerm) CFSR Bộ số liệu tái phân tích CFS RCM Mô hình khí hậu khu vực (Regional Climate Model) GPC Trung tâm sản phẩm toàn cầu cho dự báo hạn dài LSM Mô hình bề mặt đất (land surface model) RegCM Mô hình khí hậu khu vực (Regional Climate Model) SST Nhiệt độ mặt nước biển toàn cầu (Sea surface temperature) WMO Tổ chức Khí tượng Thế giới (World Meteorological Organization) IPCC Ủy ban Liên chính phủ về Biến đổi khí hậu ECE Hiện tượng khí hậu cực trị (extreme climate events) MRED Tổ hợp đa mô hình khí hậu khu vực (MultiRCM Ensemble Downscaling) MME Hệ thống tổ hợp đa mô hình (MultiModel Ensemble) SPI Chỉ số giáng thủy tiêu chuẩn (Standardized Precipitation Index) MOM3 Mô hình đại dương phiên bản 3 (Modular Ocean Model version 3) 7 MỞ ĐẦU Trong những năm gần đây, dự báo hạn mùa (seasonal forecasting) đang là một trong những bái toán có tính ứng dụng rất lớn, có ý nghĩa rất quan trọng đối với nhiều ngành kinh tế, xã hội. Thông tin dự báo hạn mùa là căn cứ cho các nhà hoạch định chính sách, các nhà quản lý có thể đưa ra kế hoạch sản suất phù hợp cũng như chủ động ứng phó với các thiên tai, thảm họa. Trong bối cảnh biến đổi khí hậu, dường như các hiện tượng thời tiết cực đoan ngày càng xảy ra với tần suất nhiều hơn, cường độ mạnh hơn, gây thiệt hại nặng nề, việc dự báo hạn mùa dựa trên cơ sở các mô hình động lực trở nên ưu việt hơn so với phương pháp thống kê truyền thống. Ngày nay, cùng với sự phát triển mạnh mẽ của công nghệ tính toán, các mô hình dự báo số trị ngày càng được sử dụng rộng rãi trong các nghiên cứu khí hậu. Việc ứng dụng không chỉ trên quy mô toàn cầu mà còn được chi tiết hóa cho từng khu vực, tạo điều kiện thuận lợi cho những nghiên cứu sâu hơn, mang tính ứng dụng cao hơn. Ngoài ra, mục tiêu của bài toán dự báo hạn mùa không chỉ dừng lại đơn thuần ở dự báo xu thế các yếu tố khí tượng nữa mà việc dự báo được các hiện tượng thời tiết cực đoan ở qui mô hạn mùa cũng rất được quan tâm, chú ý. Ở Việt Nam, việc ứng dụng và thử nghiệm các mô hình khí hậu khu vực cho bài toán dự báo tuy không còn mới mẻ nhưng vẫn còn nhiều câu hỏi cần được trả lời, đặc biệt là dự báo hạn mùa và khả năng dự báo các yếu tố, hiện tượng khí hậu cực đoan. Trong khuôn khổ luận văn này, tác giả sẽ thử nghiệm ứng dụng mô hình khí hậu khu vực khi sử dụng sản phẩm đầu ra từ mô hình dự báo toàn cầu làm điều kiện ban đầu và điều kiện biên để dự báo một số chỉ số khí hậu cực đoan và đánh giá cho khu vực Việt Nam. Mô hình được sử dụng là mô hình RegCM phiên bản 4.2 (RegCM4.2). Sản phẩm của mô hình toàn cầu được sử dụng là sản phẩm dự báo của hệ thống mô hình CFS. Luận văn được bố cục thành 3 chương, ngoài mở đầu, kết luận và tài liệu tham khảo như sau: 8 Chương 1: Tổng quan Chương 2: Phương pháp nghiên cứu Chương 3: Kết quả và nhận xét 9 Chương 1 TỔNG QUAN Hiện nay, dự báo hạn mùa đang là một trong những bài toán được các nhà khoa học trong và ngoài nước hết sức quan tâm. Các kết quả dự báo mùa đã mang lại được ứng dụng rộng rãi trong đời sống xã hội. Trong đó, có thể kể đến hiệu quả của sản phẩm dự báo hạn mùa trong lĩnh vực nông nghiệp như góp phần đưa ra những dự báo đáng tin cậy về sản lượng vụ mùa ở Australia [45],Châu Âu [12] hay miền tây Ấn Độ [13], và cả trong lĩnh vực y tế như góp phần cung cấp thông tin cho việc dự báo sự lan truyền của dịch sốt rét [38]. Việc dự báo hạn mùa các hiện tượng khí hậu cực đoan cũng đã được thử nghiệm ở nhiều nơi trên thế giới như Mỹ [47], [48], Hàn Quốc [49] hay Nam Mỹ [46] và đã cho những kết quả khả quan. Dưới đây là một số công trình nghiên cứu tiêu biểu. 1.1 Các nghiên cứu trên thế giới Trong nghiệp vụ dự báo có 3 lớp bài toán: dự báo thời tiết, dự báo tháng và dự báo mùa. Đối với dự báo thời tiết, thông thường hạn dự báo khoảng 3–5 ngày (hạn ngắn – Short range forecast) và tối đa khoảng 5–10 ngày (hạn vừa – Medium range forecast). Dự báo thời tiết cần phải chỉ ra được trạng thái của khí quyển tại một địa điểm cụ thể, vào những thời điểm cụ thể (từng ngày, thậm chí từng giờ) trong thời hạn dự báo. Khác với dự báo thời tiết, dự báo mùa không chỉ ra trạng thái khí quyển vào những thời điểm cụ thể đến từng ngày, thay vào đó là thông tin chung về điều kiện khí quyển trong từng khoảng thời gian nhất định (chẳng hạn từng tháng, từng mùa – ba tháng) trong thời hạn dự báo. Dự báo mùa, hay dự báo hạn mùa (Seasonal forecast), hay dự báo khí hậu hạn mùa (Seasonal Climate forecast) có hạn dự báo đến tối đa (hiện nay) là một năm [35]. 10 Theo tổ chức khí tượng thế giới WMO [44], với bài toán dự báo thời tiết, dự báo quy mô lớn hơn 10 ngày trong tương lai được coi là dự báo hạn dài. Trong dự báo khí hậu, hạn dự báo được mở rộng từ hạn 30-45 ngày (dự báo tháng), hoặc vài ba tháng đến 1 năm (hạn mùa), cho đến 2-3 năm (hạn dài). Các thông tin dự báo khí hậu có thể rất khái quát để mô tả quy mô mùa (seasonal outlook) điều kiện thời tiết thông qua độ lệch so với giá trị trung bình khí hậu của mùa đó [30]. Khái niệm mùa có thể hiểu theo mùa thiên văn (xuân, hạ, thu, đông) và cũng có thể có khái niệm khác ở vùng nhiệt đới (mùa mưa, mùa khô). Trong thực tế, dự báo hạn mùa (seasonal forecasting) được xét từ quy mô tháng cho đến 1 năm (với các hạn phổ biến là 1, 3, 6, 9 tháng) nhằm đưa ra các ứng dụng có hiệu quả của sản phẩm dự báo. Dự báo hạn mùa (từ quy mô tháng cho đến quy mô năm) là một bài toán phức tạp mà sự thành công của các dự báo mùa này phụ thuộc vào mức độ chi tiết hóa về mối quan hệ tương tác giữa khí quyển và đại dương [44]. Hiện tại, với những hiểu biết về các quá trình tương tác khí quyển – đại dương, cùng với việc mô phỏng chi tiết hóa từng khu vực của các mô hình cũng như việc thu thập số liệu đo đạc quan trắc nâng cao chất lượng số liệu đã tạo ra những tiến bộ trong dự báo hạn mùa. Để hiểu được cơ sở vật lý của dự báo hạn mùa, chúng ta cần hiểu các nhân tố tạo ra các đặc trưng khí hậu của 1 năm khác biệt so với các năm khác. Vì vậy, chúng ta cũng cần nắm được khả năng dự báo của chính các nhân tố này và cụ thể ở quy mô thời gian nào. Trên quy mô toàn cầu, nguyên nhân quan trọng nhất khiến các đặc trưng khí hậu thay đổi từ năm này qua năm khác là sự biến đổi của nhiệt độ mặt nước biển toàn cầu (SST). Dị thường nhiệt độ bề mặt biển ở khu vực nhiệt đới là đặc biệt quan trọng bởi vì đối lưu sâu trong khí quyển miền nhiệt đới, tác động lớn đến hoàn lưu toàn cầu, lại rất nhạy cảm với SST bên dưới. Ở một số nơi khác như Châu Âu và Tây Phi, SST của khu vực cũng được coi là một trong những nhân tố quan trọng nhất. Đối với khu vực nhiệt đới, đặc biệt là khu vực Thái Bình Dương xích đạo, khả năng dự báo SST được nâng cao nhờ có các quá 11 trình khác. Trong đó, ENSO là hiện tượng được quan tâm nghiên cứu và có tác động nhiều nhất đến các quá trình làm thay đổi SST[45]. Dự báo hiện tượng ENSO, theo quy mô tháng và năm, đã hỗ trợ tốt hơn cho dự báo hạn mùa ở nhiều nơi trên thế giới. Một nhân tố cũng rất quan trọng khác là bề mặt đất của trái đất, nó cũng có thể ảnh hưởng đến khí quyển trên quy mô mùa, trong đó độ ẩm đất đóng vai trò quan trọng, cũng như một số nơi là độ phủ tuyết. Độ ẩm đất có thể dao động về căn bản từ năm này qua năm khác và biến đổi trong độ ẩm đất có khoảng thời gian quy mô từ tháng đến năm. Koster (2004) [27] đã sử dụng mô hình bề mặt đất (LSM) kết hợp với trường toàn cầu trạng thái thực (của các biến giáng thủy, bức xạ và các trường khí tượng bề mặt) để có được các trường mới về độ ẩm đất, nhiệt độ và các trạng thái đất khác. Sau đó, tác giả đã sử dụng các trường này làm điều kiện ban đầu cho dự báo giáng thủy và nhiệt độ bằng mô hình hoàn lưu chung khí quyển (AGCM). Sự cải thiện trong kết quả đã được kiểm định với việc thực hiện dự báo lại ở quy mô tháng (từ tháng 5 đến tháng 9, 1979-93) với hệ thống dự báo hạn mùa của Mô hình toàn cầu của NASA (GMAO). Với 75 dự báo riêng biệt, kết quả đã cung cấp cơ bản đầy đủ về mặt thống kê cho việc đánh giá sự cải thiện trong kĩ năng dự báo liên quan đến việc ban đầu hóa điều kiện bề mặt đất. Đánh giá kĩ năng được tập trung cho khu vực Đồng bằng lớn của Bắc Mỹ, khu vực có nguồn số liệu về điều kiện đất ban đầu đáng tin cậy và có sự ảnh hưởng lớn của điều kiện độ ẩm đất tới các nhiễu động khí quyển trong việc phát triển các trường khí tượng. Nghiên cứu đã chỉ ra ban đầu hóa đất tác động nhỏ nhưng là có thể nhận thấy cho sự cải thiện của dự báo nhiệt độ và lượng mưa của khu vực này. Đối với giáng thủy, sự phát triển trong kĩ năng dự báo xuất hiện rõ nét vào tháng 5 đến tháng 7, trong khi đó với nhiệt độ không khí, là tháng 8 và tháng 9. Cả ban đầu hóa đất và khí quyển đều chi phối một cách độc lập đến kĩ năng thực của dự báo nhiệt độ hàng tháng, với kĩ năng lớn nhất nhận được từ việc ban đầu hóa là khi kết hợp 2 nguồn này. 12 Việc dự báo hạn dài chính xác các nhân tố khí hậu (nhiệt độ, lượng mưa, trên hay dưới chuẩn… ) có những tiềm năng ứng dụng rất lớn, ví dụ những dự báo này có thể cung cấp thông tin cần thiết cho những quyết định dài hạn và cảnh báo sớm các thiên tai có thể xảy ra. Một lưu ý là mức độ tin cậy của bất kỳ dự báo nào cũng phụ thuộc vào khả năng nắm bắt chính xác đến đâu của chúng khi so sánh với trung bình khí hậu. Cụ thể là dự báo chỉ được chấp nhận nếu chúng chính xác hơn và cung cấp nhiều thông tin hơn so với kinh nghiệm về khí hậu mà vẫn được sử dụng để đánh giá và đưa ra các quyết định trước đây. Có hai cách tiếp cận dự báo hạn mùa là dự báo bằng phương pháp thống kê và phương pháp mô hình động lực (dự báo sử dụng các mô hình số trị). Phương pháp thống kê là phương pháp đơn giản nhất để dự báo dị thường các yếu tố so với khí hậu trung bình, quy mô tháng hay mùa, sử dụng các nguyên tắc (bằng thống kê) liên kết các hình thế trong tương lai với đặc tính khí hậu hiện tại. Những dị thường biến đổi chậm và có quy mô lớn của khí hậu (ví dụ như SST) có thể tồn tại trong nhiều tháng, và có thể tác động làm thay đổi hình thế hoàn lưu chung khí quyển và từ đó sai lệch so với trạng thái trung bình của hoàn lưu khí hậu địa phương. Ban đầu, hướng tiếp cận này không mấy thành công, nhưng sự tăng cường hiểu biết về hiện tượng ENSO và các hình thế tác động khác giúp cho phương pháp này đáng tin cậy hơn. Điểm mạnh của phương pháp này là tương đối dễ áp dụng bởi vì hầu như phụ thuộc vào thống kê khí hậu và sử dụng tài nguyên máy tính khiêm tốn. Tuy nhiên, phương pháp đơn giản này vẫn tồn tại nhiều hạn chế. Các mô hình thống kê chỉ sử dụng đơn thuần chuỗi số liệu trong quá khứ, dự báo các mối liên hệ phức tạp mà không có các mối liên hệ cụ thể nào với các quá trình vật lý cũng như động lực học nằm ẩn bên trong. Điều này có nghĩa là phương pháp hiệu quả khi sự phát triển quy mô lớn là rõ rệt và theo một hướng nhưng rất khó để lường trước những sự chuyển pha, ví dụ 13 như từ nóng sang lạnh và ngược lại. Và cuối cùng, phương pháp thường không nắm bắt được những yếu tố đột biến. Phương pháp mô hình động lực dự báo mùa nhìn chung chỉ mới bắt đầu từ khoảng 30 năm trở lại đây. Cách tiếp cận của phương pháp mô hình động lực có cơ sở vật lý hơn, sử dụng các mô hình hoàn lưu chung khí quyển. Trong một dạng của hướng tiếp cận này, bước đầu tiên là dự báo sự phát triển của SST trong vùng nhiệt đới Thái Bình Dương. Các dự báo có thể dựa trên mô hình khu vực mà coi sự phát triển trong vùng đại dương nhiệt đới là cô lập. Khi mô hình đưa ra dự báo về Thái Bình Dương, có thể trong một năm tới, hình thế dự báo của SST sẽ được sử dụng tác động đến mô hình hoàn lưu chung khí quyển để dự báo thời tiết toàn cầu phản ứng ra sao. Những dự báo mùa đã cho các kết quả đầy hứa hẹn, đặc biệt là khu vực nhiệt đới. Sự phát triển của các dự báo này được xây dựng dựa trên những điểm mạnh của mô hình và những quan trắc ngày càng tốt hơn ở khu vực Thái Bình Dương xích đạo. Sự phát triển đáng kể hiện tại đã tạo ra một hệ thống tương tác đầy đủ trong đó thành phần đại dương, khí quyển và mặt đất của mô hình tương tác liên tục với nhau để cho ra các bản tin dự báo đến vài tháng. Vấn đề dự báo hạn mùa các yếu tố, hiện tượng khí hậu cực đoan đã được đề cập đến trong một số nghiên cứu của các tác giả. Trong nghiên cứu của mình, Yoon (2012) [48] đã so sánh kết quả giữa mô hình thống kê và mô hình động lực dự báo mùa lạnh ở nước Mỹ, tác giả sử dụng phương pháp tổ hợp với 7 mô hình khí hậu khu vực MRED với đầu vào từ sản phẩm CFS mô phỏng 5 tháng mùa lạnh. Với mỗi RCM, hệ thống 10 thành phần với các điều kiện biên và điều kiện ban đầu được mô phỏng từ tháng 12 đến tháng 4 năm sau trong giai đoạn 1982 đến 2003. Kết quả so sánh giữa 2 phương pháp cho thấy RCM đã đưa ra được nhiều kết quả mang tính ứng dụng hơn, đặc biệt phương pháp RCM cho kết quả tốt ở khu vực Tây bắc và phía Nam nước Mỹ với hạn dự báo ko 14 quá dài. Kết quả đánh giá cũng cho thấy kết hợp phương pháp động lực và phương pháp thống kê cho kết quả tốt nhất. Sohn (2012) [49] cũng đã phát triển hệ thống dự báo mùa đa mô hình nhằm dự báo các đợt hạn hán và ngập lụt ở Hàn Quốc. Để thuận tiện trong công tác dự báo, tác giả dựa trên số liệu mưa để chia miền nghiên cứu thành các khu vực nhỏ hơn. Hệ thống dựa trên sản phẩm dự báo mùa đa mô hình MME với hạn dự báo 3 tháng dự báo mưa cho 60 trạm ở Hàn Quốc từ tháng 3 đến tháng 5. Dựa trên kết quả mô hình và chỉ số SPI, các bản tin dự báo hạn hán và lũ hụt sẽ được xây dự