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

Trịnh Tuấn Long Trường Đại học Khoa học Tự nhiên
Luận văn ThS chuyên ngành: Khí tượng và Khí hậu học; Mã số: 60 44 87
Người hướng dẫn: GS.TS. Phan Văn Tân
Năm bảo vệ: 2012 Abstract: Trình bày tổng quan về tình hình nghiên cứu thử nghiệm dự báo hạn mùa –
một chỉ số khí hậu cực đoan bằng mô hình (mô hình khí hậu khu vực) RegCM cho khu
vực Việt Nam trên thế giới và Việt Nam. Tìm hiểu các phương pháp nghiên cứu: xác
định các chỉ số khí hậu cực đoan; hệ thống mô hình dự báo khí hậu (hệ thống dự báo mùa
toàn cầu) CFS; mô hình khí hậu khu vực RegCM; cách xác định các chỉ số ECE từ sản
phẩm mô hình; phương pháp đánh giá. Các kết quả nghiên cứu: kết quả nhiệt độ trung
bình tháng; các trường nhiệt độ cực trị; các chỉ số khí hậu cực đoan.

Keywords: Khí hậu học; Dự báo khí hậu; Chỉ số khí hậu; Mô hình RegCM; Mô hình
khí hậu khu vực; Dự báo hạn mùa Content
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

Australia [45],Châu Âu [13] hay miền tây Ấn Độ [14], 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 [31],
[48], Hàn Quốc [40] hay Nam Mỹ [19] và đãcho 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 – batháng) 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].
Trong các nghiên cứu gần đây vê dự báo mùa mà chúng ta đã điểm qua, các khái niệm và
lưu ý cơ bản và một số kết quả ban đầu về dự báo mùa đã được nêu ra. Tiếp theo, chúng ta sẽ tìm
hiểu một số các nghiên cứu trong nước.
1.2. Các nghiên cứu trong nước
Qua tổng quan các nghiên cứu trong và ngoài nước về bài toán dự báo hạn mùa các hiện
tượng khí hậu cực đoan, cóthể nhận thấy3 điểmcần lưu ý. Thứ nhất, về mặt phương pháp, hiện
nay phương pháp mô hình động lực tỏ ra có ưu thế hơn vàđược phát triển ngày càng hoàn thiện
hơn. Phương pháp thống kê, tuy cóưu điểm không yêu cầu cao về mặt tài nguyên tính toán,
nhưng cũng có nhiều nhượcđiểm, nhất là trong bối cảnh biến đổi khí hậu. Trong đó, việc không
tính đến mối quan hệ vật lý giữa các biếnđược dự báo, không nắm bắt được những phát triển đột
biến của khí quyển cũng như việc phụ thuộc nhiều vào nguồn số liệuđiểm trạm vốn không đầy
đủ và hoàn thiện ở nhiều khu vực, là những khuyếtđiểm chính. Phương pháp mô hình động lực,
tuy cần tài nguyên tính toán lớn, cả về tài nguyên máy tính và nguồn nhân lực, nhưng lại giải
quyết được hầu hết các hạn chế trên của phương pháp thống kê. Điểm thứ hai, so với sự phát

Khái niệm “hiện tượng cực đoan” (nói chung) được hiểu là những hiện tượng thỏa mãn
các điều kiện: 1) Hiếm, tức có tần suất xuất hiện tương đối thấp trong một khoảng thời gian
tương đối dài; 2) Có cường độ lớn; và 3) Khắc nghiệt, tức là có khả năng gây ra những ảnh
hưởng lớn hoặc dữ dội, đe dọa trực tiếp hoặc gián tiếp đến sự sống trên Trái đất.
Trong lĩnh vực khí tượng, theo IPCC (2007), hiện tượng thời tiết cực đoan là hiện tượng
hiếm ở một nơi cụ thể vào một thời gian cụ thể trong năm. Định nghĩa “hiếm” có thể được hiểu
theo nhiều cách khác nhau, nhưng hiện tượng thời tiết cực đoan được hiểu là hiện tượng có xác
suất xuất hiện nhỏ, thông thường được chọn là nhỏ hơn 10%. Theo định nghĩa này, các tính chất
của cái gọi là “thời tiết cực đoan” có thể rất khác nhau giữa nơi này và nơi khác. Khi hiện tượng
thời tiết cực đoan xảy ra vào một thời gian nào đó trong năm, chẳng hạn một mùa, khá ổn định,
nó có thể được gọi là hiện tượng khí hậu cực đoan. Nói cách khác, hiện tượng khí hậu cực đoan
là sự tổng hợp của hiện tượng thời tiết cực đoan được đặc trưng bởi trung bình và các cực trị
tuyệt đối của các hiện tượng thời tiết cực đoan trên một khoảng thời gian nhất định đủ dài.
Nói chung, hiện tượng khí hậu cực đoan phần lớn không được quan trắc trực tiếp mà
thường được xác định căn cứ vào số liệu quan trắc của các yếu tố khí hậu và dựa trên một số chỉ
tiêu qui ước cụ thể nào đó.
Ở Việt Nam hiện nay tồn tại hai khái niệm: “yếu tố khí hậu cực đoan” và “hiện tượng khí
hậu cực đoan”. Cái gọi là “yếu tố khí hậu cực đoan” xuất phát từ tên gọi các biến khí hậu cực trị
(extreme) mà tập giá trị của chúng là tập hợp các giá trị “cực đại” hoặc “cực tiểu” của biến khí
quyển được quan trắc nào đó, chẳng hạn, tập hợp các giá trị quan trắc của nhiệt độ cực đại tuyệt
đối ngày (hoặc tháng, hoặc năm).Yếu tố khí hậu cực đoan sẽ được xác định dựa trên tập các giá
trị này (sẽ được trình bày dưới đây). Giá trị cực trị nhất (lớn nhất hoặc nhỏ nhất) trong chuỗi
quan trắc hiện có được gọi là giá trị kỷ lục. Đương nhiên về nguyên tắc, “kỷ lục” chỉ có một giá
trị duy nhất cho đến thời điểm hiện tại. Hiện tượng khí hậu cực đoan ở Việt Nam chưa được
phân định một cách rõ ràng. Tuy nhiên, theo cách dùng thông thường hiện nay, những hiện
tượng có ảnh hưởng xấu đến sức khỏe con người, gia súc gia cầm hoặc đến hoạt động sản xuất
có thể được cho là những hiện tượng cực đoan. Ở một vài khía cạnh nào đó, cách hiểu này là có
thể chấp nhận được, vì nó đã thỏa mãn các tiêu chí nêu trên.
Để tránh những tranh luận không cần thiết, trong luận văn này chúng tôi tạm qui ước cả
hai khái niệm “yếu tố khí hậu cực đoan” và “hiện tượng khí hậu cực đoan” là các chỉ số khí hậu

1000 cho đến 1 mb.Số liệu được lưu dưới dạng GRIB2.
Trong luận văn này, để thử nghiệm khả năng dự báo một số chỉ số khí hậu cực đoan, bộ
số liệu CFS dự báo năm 2012 từ tháng 1 đến tháng 10được sử dụng làm điều kiện ban đầu và
điều kiện biên cho mô hình khí hậu khu vực RegCM4.2 với các biến đầu vào là 5 biến được cho
trên cácmực áp suất là độ cao địa thế vị (HGT), độ ẩm tương đối (RH), nhiệt độ không khí
(TMP), các thành phần gió vĩ hướng (UGRD), kinh hướng (VGRD)và 2 biến bề mặt là khí áp
mực biển (PRMSL), nhiệt độ bề mặt biển (SST).
2.3 Mô hình khí hậu khu vực RegCM
2.3.1 Giới thiệu về mô hình RegCM
Hiện nay, mô hình khí hậu khu vực RegCM đã được ứng dụng để nghiên cứu khí hậu quá
khứ, hiện tại và tương lai tại nhiều nơi khác nhau trên thế giới, từ Châu Mỹ, Châu Âu đến Châu
Á, Châu Phi [21] [34] [10] [37]. Phiên bản NCAR RegCM (NCAR Regional Climate Model)
đầu tiên được xây dựng dựa trên MM4 (Mesoscale Model Version 4) của Trung tâm quốc gia
nghiên cứu khí quyển (NCAR) và Trường đại học Tổng hợp Pennsylvania (PSU), Hoa Kỳ, vào
cuối những năm 1980[20] [17]. Phiên bản RegCM đầu tiên đã đưa vào sơ đồ trao đổi sinh  khí
quyển (Biosphere Atmosphere Transfer Scheme  BATS) để biểu diễn các quá trình bề mặt và
sơ đồ truyền bức xạ của NCARCCM phiên bản 1 (CCM1). Tiếp sau đó, kết quả của những cải
tiến quan trọng về vật lý và các sơ đồ số hóa của RegCM đã dẫn đến sự hình thành phiên bản thứ
hai của RegCM, gọi là RegCM2[23] [24]. Một phiên bản cũng đã được sử dụng rộng rãi, khá
phổ biến và được sử dụng trong nhiều nghiên cứu khí hậu khu vực là RegCM phiên bản 3
(RegCM3) với những cải tiến và bổ sung đáng kể so với các phiên bản trước[34]. Đó là những
thay đổi trong vật lý mô hình bao gồm sơ đồ giáng thủy qui mô lưới, các sơ đồ tham số hóa vật
lý như sơ đồ tính các dòng từ bề mặt biển của Zeng, sơ đồ đối lưu mây tích Betts Phiên bản 4.2
(RegCM4.2) mới được sử dụng từ tháng 5 năm 2011, so với RegCM3, phiên bản 4.2 đã được
phát triển để thân thiện hơn với người dùng. Tất cả các tham số cấu hình, tùy chọn được đưa về
một file namelist, các dữ liệu đầu vào và đầu ra đều sử dụng định dạng netcdf, cùng với đó là sự
hỗ trợ nhiều thư viện giúp người dùng dễ dàng thao tác. Hiện nay RegCM4.2 cũng đang được
người dùng sử dụng rộng rãi.
Về tham số hóa đối lưu, trong mô hình RegCM4.2 có thể sử dụng một trong bảy tùy chọn
sau đây thay vì với chỉ 3 tùy chọn ở phiên bản RegCM3 để tính giáng thuỷ đối lưu: (1) Sơ đồ

một lần. Tuy nhiên do dung lượng số liệu điều kiện biên quá lớn (khoảng 40GB/dự
báo), hơn nữa tốc độ đường truyền Internet không đảm bảo nên ở đây chỉ thực hiện
chạy mô hình 7 ngày/lần. Như vậy, trung bình mỗi tháng có 4 lần chạy dự báo. Mặc
dù vậy, tùy thuộc vào đường truyền số liệu, số lần dự báo có thể ít hơn do không tải
được số liệu về hoặc số liệu tải về bị lỗi hoặc không đủ.
2.4 Cách xác định các chỉ số ECE từ sản phẩm mô hình
Về nguyên tắc, các chỉ số ECE có thể được xác định trực tiếp từ sản phẩm đầu ra của mô
hình khu vực với các ngưỡng nhiệt độ (T2m, Tx) hoặc lượng mưa (R24) hàng ngày đã cho như
trong mục 2.1. Tuy nhiên, để loại trừ phần nào ảnh hưởng sai số hệ thống của mô hình, một số
chỉ số như C13, C15, H35, H37, R50 sẽ được xác định bằng các ngưỡng phân vị T13, T15, T35,
T37, Rd50 thay cho các ngưỡng cố định 13
o
C, 15
o
C, 35
o
C, 37
o
C và 50mm, các chỉ số khác được
xác định trực tiếp từ sản phẩm mô hình.

2.5 Phương pháp đánh giá
Do chưa có đầy đủ các nguồn số liệu phân tích hoặc tái phân tích trên lưới của miền dự
báo nên để tiến hành đánh giá trong luận văn này sẽ so sánh trực tiếp sản phẩm của mô hình sau
khi đã nội suy về mạng lưới trạm khí tượng trên lãnh thổ Việt Nam với số liệu quan trắc synop
tương ứng tại trạm.
Số liệu quan trắc được sử dụng là bộ số liệu hàng ngày từ 172 trạm của các yếu tố: nhiệt
độ trung bình ngày (T2m), nhiệt độ cực đại ngày (Tx), nhiệt độ cực tiểu ngày (Tm) và lượng mưa
ngày (R24).
Hai khía cạnh được quan tâm xem xét khi đánh giá ở đây là hạn dự báo (Lead time) và

37 dự báo bởi mô hình RegCM4.2 với hạn dự báo tối đa là 6 tháng sử dụng điều kiện ban đầu và
điều kiện biên từ hệ thống dự báo CFS đã thử nghiệm cho khu vực Việt Nam. Một cải tiến quan
trọng khi RegCM4.2 đã được điều chỉnh để đọc trường đầu vào SST 6 giờ một thay vì lấy giá trị
trung bình tháng như phiên bản gốc qua đó thông tin SST được cập nhập tốt hơn cho phép dự
báo tốt hơn. Giá trị dự báo ứng với mỗi tháng được lấy trung bình từ các dự báo với thời điểm dự
báo ban đầu khác nhau trong cùng một tháng. Để thử nghiệm dự báo một số chỉ số khí hậu cực
đoan, trường mưa, nhiệt độ trung bình ngày, nhiệt độ cực tiểu ngày và nhiệt độ cực đại ngày
được nội suy về 172 trạm khí tượng synop và so sánh với số liệu quan trắc. Ngoài ra các chỉ số
khí hậu cực đoan: số ngày rét đậm C15, số ngày rét đậm, rét hại C13, số ngày nắng nóng H35, số
ngày nắng nóng gay gắt H37 và số ngày mưa lớn R50 được tính toán bằng phương pháp tính xác
suất dựa trên chuỗi số liệu quan trắc thời kì 1961-2010 của 70 trạm trên toàn quốc. Từ các phân
tích kết quả có thể rút ra một số kết luận:
1. Đối với dự báo các trường nhiệt độ trung bình tháng và lượng mưa tháng
- Dự báo mô hình RegCM4.2 cho kết quả dự báo luôn thiên thấp với các trường nhiệt độ
trung bình.
- Đối với trường mưa kết quả dự báo khá kém, không có tính đồng nhất giữa các tháng
và nhất là với các dự báo hạn dài.
- Kết quả dự báo hạn mùa không phụ thuộc nhiều vào thời điểm dự báo ban đầu mà phụ
thuộc chủ yếu vào tháng dự báo. Đối với trường nhiệt độ nói chung có tính đồng nhất
và ổn định với dự báo với các hạn dự báo khác nhau.
- Dựa vào phân bố tần suất và phân bố đồng thời có thể thấy sai số dự báo có tính hệ
thống.
- Phân bố tần suất và phân bố đồng thời cho thấy với khoảng giá trị nhiệt độ thấp mô
hình nắm bắt phân bố tốt hơn khoảng giá trị nhiệt độ cao. Ngoài ra, hàm phân bố của
dự báo có dạng chuẩn vào các tháng mùa hè, trong khi hàm phân bố quan trắc vào các
tháng này có dạng lệch phải.
2. Đối với các trường cực trị tháng
- Kết quả dự báo mô hình thiên thấp với các trường, nhiệt độ cực tiểu ngày và nhiệt độ
cực đại ngày.
- Kết quả dự báo hạn mùa không phụ thuộc nhiều vào thời điểm dự báo ban đầu mà phụ

241-251.
3. Phan Văn Tân (2010), “Nghiên cứu tác động của biến đổi khí hậu toàn cầu đến các yếu tố và
hiện tượng khí hậu cực đoan ở Việt Nam, khả năng dự báo và giải pháp chiến lược ứng
phó”,Đề tài cấp Nhà nước, mã số KC08.29/06-10.
4. Phạm Đức Thi (1987), “Xây dựng một số phương pháp dự báo hạn vừa, hạn dài nhiệt độ
mùa đông và mưa mùa hè khu vực phía bắc Việt Nam”, Tổng cục KTTV Đề tài Chương
trình 42.
5.

Tiếng Anh

6. Alves, O. Wang G., Zhong A.(2006),Operational coupled model seasonal forecast system,
Bureau of Meteorology. Bureau of Meteorology
7. Baede, A. P. M., M. Jarraud, and U. Cubasch (1979),“Adiabatic formulation and
organization of ECMWF's model”, Technical Report 15, ECMWF, Reading, U.K.
8. Bath, L. M., M. A. Dias, D. L. Williamson, G. S. Williamson, and R. J. Wolski
(1987),“User's Guide to NCAR CCM1”, Technical Report NCAR/TN-286+IA, National
Center for Atmospheric Research, Boulder, CO, 173 pp.
9. Bath, L., J. Rosinski, and J. Olson (1992),“User's Guide to NCAR CCM2”, Technical Report
NCAR/TN-379+IA, National Center for Atmospheric Research, Boulder, CO, 156 pp.
10. Bergant K., Belda M., Halenka T. (2007), “Systematic errors in the simulation of European
climate (1961-2000) with RegCM3 driven by NCEP/NCAR reanalysis”, International
Journal of Climatology Vol. 27 (4), pp. 455-472.
11. Bourke, W., B. McAvaney, K. Puri, and R. Thurling (1977),“Global modeling of
atmospheric flow by spectral methods, in Methods in Computational Physics”, Vol. 17,
267-324, Academic Press, New York.
12. Briegleb, B. P.(1992), “Delta-Eddington approximation for solar radiation in the NCAR
Community Climate Model”, J. Geophys. Res., 97, 7603-7612.
13. Cantelaube, P., Terres, J.M., (2005) “Seasonal weather forecasts for crop yield
modelling in Europe”, Tellus Series a-Dyn. Meteorol. Ocea- nogr. 57 (3), 476–487

24. Hack, J. J., B. A. Boville, B. P. Briegleb, J. T. Kiehl, P. J. Rasch, and D. L. Williamson
(1993),“Description of the NCAR Community Climate Model (CCM2)”, Technical
Report NCAR/TN-382+STR, National Center for Atmospheric Research, 120 pp.
25. Hansen, J., A. Lacis, D. Rind, G. Russell, P. Stone, I. Fung, R. Ruedy, and J. Lerner
(1984),“Climate sensitivity: Analysis of feedback mechanisms, in Climate Processes and
Climate Sensitivity”, edited by J. E. Hansen, and T. Takahashi, 130-163, Amer. Geophys.
Union, Washington, D.C.
26. Holtslag A.A.M., Bruijn E.I.F., Pan H L. (1990), “A high resolution air mass transformation
model for short-range weather forecasting”, Mon. Wea. Rev. Vol. 118, pp. 1561–1575.
27. Kanamitsu, M., Kanamaru, H. (2007) “Fifty-seven year reanalysis downscaling at 10 km
(CaRD10). Part IL System detail and validation with observations”. Journal of Climate
20: 5553O5 71
28. Kasahara, A. (1974),“Various vertical coordinate systems used for numerical weather
prediction”, Mon. Wea. Rev., 102, 509-522.
29. Kiehl, J. T., J. Hack, G. Bonan, B. Boville, B. Briegleb, D. Williamson, and P. Rasch,
(1996),“Description of the NCAR Community Climate Model (CCM3)”, Technical
Report NCAR/TN-420+STR, National Center for Atmospheric Research, Boulder,
Colorado, 152 pp.
30. Koster, Randal D., Max J. Suarez, Ping Liu, Urszula Jambor, Aaron Berg, Michael Kistler,
Rolf Reichle, Matthew Rodell, and Jay Famiglietti (2004), “Realistic Initialization of
Land Surface States: Impacts on Subseasonal Forecast Skill”, J Hydrometeorology, 5(6),
1049
31. Lim, Y. K., Shin D. W. (2007),“Dynamically and statistically downscaled seasonal
simualations of maximum surface air temperature over the southeastern United States,
Journal of Geophysical Vol. 112, D24102.
32. McAvaney, B. J., W. Bourke, and K. Puri(1978)“A global spectral model for simulation of
the general circulation”, J. Atmos. Sci., 35, 1557-1583.
33. Misra, V., Kanamitsu, M.,(2004). “Anomaly nesting: a methdology to downscale seasonal 8
climate simulations from AGCMs”. Journal of Climate 17: 3249-3262
34. Nellie Elguindi, Xunqiang Bi, Filippo Giorgi, Badrinath Nagarajan, Jeremy Pal, and Fabien

simulations of West African climate using regional climate model (RegCM3) with
different lateral boundary conditions”,Theor Appl Climatol 98:293–314
44. Thomson, M.C., F.J. Doblas-Reyes, S.J. Mason, R. Hagedorn, S.J. Connor, T. Phindela, A.P.
Morse and T.N. Palmer (2006), “Malaria early warnings based on seasonal climate
forecasts from multi-model ensembles”, Nature, 439, 576-579.
45. Washington, W. M.(1982),“Documentation for the Community Climate Model (CCM)”,
Version Φ, Technical Report NTIS No. PB82 194192, National Center for Atmospheric
Research, Boulder, Colorado.
46. Williamson, D. L. (1983),“Description of NCAR Community Climate Model (CCM0B)”,
Technical Report NCAR/TN-210+STR, National Center for Atmospheric Research,
Boulder, Colorado, NTIS No. PB83 23106888, 88 pp.
47. Williamson, D. L., J. T. Kiehl, V. Ramanathan, R. E. Dickinson, and J. J. Hack
(1987),“Description of NCAR Community Climate Model (CCM1)”, Technical Report
NCAR/TN-285+STR, National Center for Atmospheric Research, Boulder, Colorado,
112 pp.
48. Williamson, G. S., and D. L. Williamson (1987),“Circulation statistics from seasonal and
perpetual January and July simulations with the NCAR Community Climate Model
(CCM1): R15”, Technical Report NCAR/TN-302+STR, National Center for Atmospheric
Research, Boulder, Colorado, 199 pp.
49. Yoon, J. H., Leung, L. R. and Correia, J., (2012) “Comparison of dynamically and
statistically downscaled seasonal climate forecasts for the cold season over the United
States”, Journal of geophysical research Vol. 117, D21109
50. Zeng, X., Zhao M., Dickinson R.E. (1998a), “Intercomparison of Bulk Aerodynamic
Algorithm for the Computation of Sea Surface Fluxes Using TOGA COARE and TAO
data”, Journal of Climate Vol. 11, pp. 2628-2644.
51.