93
chung [162], sơ đồ này đã chính xác hoá đáng kể bức tranh không gian
của biển Bellinshauzen. Trước hết, ta thấy đới front cực dịch chuyển
nhiều về phía nam, biên giới xâm nhập các loại nước cận Nam Cực ở
vùng biển Bellinshauzen lên tới 62
−64°S. Sự dịch chuyển tương tự của
biên giới các đới khí hậu làm tăng độ tương phản kinh hướng của các
đặc trưng vật lý thủy văn ở phần phía đông của cung Nam Cực Thái
Bình Dương.
Một đặc điểm quan trọng
khác trong những kết quả nhận được là đã
chính xác hoá độ sâu biên giới trên của khối nước đáy. Ở trung phần biển
Bellinshauzen, biên giới trên của khối nước đáy Nam Cực bằng
3100
−3300 m, trong khi đó ở phần phía bắc và phía đông biển −
2700
−2900 m. Đó là một sự phân hoá rất lý thú về phương diện nghiên
cứu tiếp vấn đề hình thành các khối nước đáy ở vùng đại dương Nam
Cực.
Như vậy
, phép chẩn đoán thống kê đã cho phép giải quyết những
nhiệm vụ chính đã đặt ra. Việc lý giải kết quả xử lý thông tin đã đạt tới
độ tỉ mỉ và độ tin cậy cần thiết.
Tuy nhiên, phải nhận x
ét rằng những kết luận rút ra chưa thể phổ
biến cho vùng thềm lục địa của biển. Vùng này còn rất ít số liệu quan
trắc. Đa phần các mảng quan trắc đối với vùng này chỉ chứa số liệu về
nhiệt độ và độ muối. Sự phức tạp của việc ứng dụng phân tích ST , kinh
điển và thiếu vắng tài liệu quan trắc thủy

sự tăng thời gian báo trước diễn ra không phải do những tính chất của mô
hình, mà liên quan tới độ ổn định của các hàm cơ sở hay các hàm trực
giao tự nhiên. Thí dụ, các thành phần chính đặc trưng cho giá trị trung
bình năm của quá trình, các hàm cơ sở
− đặc điểm biến động mùa. Khi đó
dự báo cuối cùng sẽ bằng những giá trị khôi phục của tích số giữa thành
phần chính với hàm cơ sở tương ứng.
Mặc dù sự đơn giản tương đối của ý tưởng liên kết các kết quả chẩn
đoán với các
mô hình thống kê, việc hiện thực hoá nó ở mức độ nhất định
bị khó khăn bởi sự phức tạp của công cụ toán học, sự thiếu đầy đủ về
thông tin hải dương học xuất phát và thiếu vắng những hệ thống xử lý tự 94
động.
6.1. DỰ BÁO CÁC TRƯỜNG NHIỆT Ở BẮC ĐẠI TÂY DƯƠNG
Những nguyên nhân quan trọng làm cho nhiệt độ mặt đại dương
(hay dị thường nhiệt độ mặt đại dương) trở thành trọng tâm chú ý của các
nhà nghiên cứu và các nhà dự báo thực dụng là tính ý nghĩa của nó như
một đặc trưng năng lượng quy định sự tiến triển của các quá trình hải
dương và sinh học, tính dễ quan trắc, độ chính xác đo đạc tương đối cao,
và do đó, khả năng vận dụng phân tích t
hống kê, trong đó có thống kê đa
chiều, vào quỹ dữ liệu tích luỹ được trong thời gian dài.
Trong mục
này sẽ trình bày những kết quả dự báo nhiệt độ mặt đại
dương tại một số vùng của Bắc Đại Tây Dương theo tuần tự sau:
a) Phân tích cấu trúc thống
kê các số liệu xuất phát;

số thống kê cơ bản của các chuỗi
dị thường nhiệt độ mặt đại dương. Cấu trúc không gian
− thời gian bất
đồng nhất của phương sai và mật độ phổ cho thấy rằng có những quá trình
quy mô khác nhau hình thành chế độ nhiệt đại dương. Nhìn chung trong
đại dương có những vùng có biến động gần như nhau và dạng hàm mật độ
xác suất gần giống "nhiễu đỏ". Cũng có những vùng có biến thiên tối đa
các đặc trưng, hoặc có những đỉnh phổ thứ cấp rõ nét.
Kết quả phân
tích các chuỗi (xem hình 5.1) cho thấy đại đa số những
tập dữ liệu mẫu về dị thường nhiệt độ mặt tuân theo luật phân bố chuẩn
trong các vùng biển Na
Uy. Bất đối xứng đạt 0,3°C về giá trị tuyệt đối.
Theo chúng tôi, trị số này đặc trưng cho sai số quan trắc và cho phép để
sử dụng trong các sơ đồ dự báo, vì nó không vượt quá giới hạn sai số dự
báo theo các chỉ tiêu 0,674
σ
và 0,8
σ
. Do đó, để phân tích và dự báo có
thể ứng dụng những quan hệ tương quan cơ bản của phép phân tích tham
số, chẳng hạn như các hệ số tương quan của Pierson.
Về tính ổn định của các
mô men thống kê đầu tiên trong phạm vi sai
số cho phép, có thể xét theo xu thế tuyến tính với giá trị không vượt quá
0,2
°C (hình 6.1). Việc kiểm tra tính phù hợp của mô hình với số liệu xuất
phát được thực hiện bằng các mô men thống kê đầu tiên, như phương sai
và hệ số tương quan, với điều kiện ước lượng kỳ vọng toán học bằng
không [259]. Mặc dù là những đặc trưng quan trọng của phép so sánh

Việc kiểm
tra các phương pháp dự báo khác nhau giúp tiến hành
chẩn đoán quá trình dự báo một cách triệt để hơn. Nếu phân tích hình 6.2,
có thể rút ra kết luận sơ bộ về bản chất của hai mốt trong hàm phân bố
xác suất dị thường nhiệt độ mặt đại dương. Mốt với cực đại ở miền
dương (khoảng 0
−0,4°C) chỉ ra sự tồn tại của dao động tựa dừng trong dị
thường nhiệt độ mặt đại dương, dao động này chỉ được mô phỏng bởi
phương pháp cộng Fourier tám hài. Dao động này làm chệch ước lượng
"chuẩn" khoảng 0,2
°C.
Đỉnh thứ hai
của hàm phân bố xác suất dị thường nhiệt độ mặt đại
dương gây nên bởi sự hiện diện của mốt thứ hai trong miền các giá trị âm
với cực đại nằm trong khoảng
−1,2 −0,8°C, về bản chất là một hợp
phần ngẫu nhiên (xác suất), nó chỉ có thể được mô phỏng bởi mô hình
xác suất.
Hình 6.1. Biến tr
ình thời
gian các dị thường trung
bình tháng nhiệt độ nước
mặt ở biển Na
Uy vùng tầu
a − Phương pháp tự hồi quy bậc 2
b − Phương pháp Bayes
c − Phương pháp thống kê động lực
d − Phương pháp xác suất động lực
e − Phương pháp Fourier
f − Phương pháp hồi quy kết hợp
Hình 6.3. Những tổ chức đồ hai chiều sai số dự báo
i
e
các dị thường
nhiệt độ mặt đại dương tr
ung bình tháng khu vực tầu thời tiết
M

bằng những phương pháp k
hác nhau
Như vậy, mốt thứ nhất phản ánh hợp phần định luận của quá
trình, mốt thứ hai
− hợp phần ngẫu nhiên. Cả hai mốt, cũng như hàm
phân bố xác suất quá trình nói chung (xem hình 6.2) sẽ được khôi
phục đạt nhất bằng mô hình tối ưu hoá thống kê tất cả các phương
pháp (mô hình hôì quy). Nó chính là mô hình tối ưu với nghĩa làm
cực tiểu sai số bình phương trung bình của dự báo trong khuôn khổ
lý thuyết các mô hình dừng tuyến tính. Vì vậy, khác với các phương
pháp khác, về trung bình hàm phân bố hai chiều của sai số dự báo
bằng mô hình hồi quy phải có cực đại t
hể hiện rõ trong khoảng sai số
dự báo cho phép (

ùng trong số các vùng được phân tách ra có mức độ liên hệ
qua lại của trường nhiệt độ mặt đại dương khác nhau (các ma trận tương
quan rất khác nhau), điều này cho phép điều chỉnh các tham số của mô 97
hình dự báo sao cho tương ứng với kiểu quá trình cụ thể. Vì, như chúng
tôi đã chứng minh, nếu sử dụng cùng một mô hình cho toàn vùng Bắc Đại
Tây Dương sẽ dẫn tới làm giảm hiệu quả dự báo.
3. Đưa cá
c thành phần chính tính được theo những hàm trực giao tự
nhiên trong tọa độ không gian hoặc thời gian vào làm tiên lượng dự báo
sẽ cho phép xây dựng được mô hình đa chiều khách quan, tính tới được
ảnh hưởng của các nhân tố bình lưu và những nhân tố khí tượng (gián
tiếp), như trong công trình [215] đã đề xuất.
Bây giờ ta xét vấn đề chẩn đoán các trường nhiệt Bắc Đại T
ây
Dương bằng những phương pháp phân tích thống kê đa chiều. Việc liên
kết ba vùng vào làm một (xem các hình 5.2
−5.5) đã cho phép đánh giá
ảnh hưởng của các quy mô không gian lên những nét chính trong bức
tranh chế độ nhiệt ở Bắc Đại Tây Dương. Nói chung cấu trúc vẫn giữ
nguyên những đặc điểm nổi bật: trong trường vectơ riêng thứ nhất thể
hiện rõ nét tính địa đới trong phân bố dị thường nhiệt độ mặt đại dương,
trong đó vùng nước của hệ thống các hải lưu Gơnstrim và Bắc Đại Tây
Dương được tách ra rõ nhất và có những
giá trị âm cực đại. Phần xích đạo
và nhiệt đới Bắc Đại Tây Dương có những giá trị dương. Bức tranh phân
bố không gian này của mốt thứ nhất của dị thường nhiệt độ mặt đại
dương rõ ràng là do ảnh hưởng của bức xạ Mặt Trời (xem hình 5.2a).

d− Phương pháp quán tính
e− Phương pháp thống kê động lực

Cuối cùng, thành phần thứ tư cho phép nhận diện khá rõ đới
Gơnstrim
− hải lưu Bắc Đại Tây Dương, lan tới tận 35°W và đới nước 98
trồi − ở đông phần Đại Tây Dương nhiệt đới. Cũng cần chú ý một ổ nhiệt
ở trung phần Bắc Đại Tây Dương, có thể có liên quan tới cấu trúc động
lực của hoàn lưu nước xoáy nghịch quy mô lớn tại vùng này.
Mặc dù giá trị phần phương sai được m
ô tả trong các trường thành
phần chính đầu tiên không cao, do bậc ma trận tương quan lớn
(120
×120), nhưng phải kết luận về tính ổn định và đồng nhất cấu trúc cao
của những nét chính trong bức tranh nhiệt trong trường dị thường nhiệt
độ mặt đại dương, đặc biệt về vùng Gơnstrim
− hải lưu Bắc Đại Tây
Dương khi chuyển từ các quy mô không gian nhỏ hơn, các vùng riêng lẻ,
sang những quy mô lớn hơn, bao quát thực tế toàn bộ thủy vực Bắc Đại
Tây Dương và biển Na
Uy.
Những kết quả phân tích thống kê về trường dị thườn
g nhiệt độ mặt
đại dương nhận được cho phép rút ra những kết luận như sau:
1) Cấu trúc trường dị thường nhiệt độ mặt đại dương có tính địa đới
rõ nét và gâ
y bởi dòng bức xạ Mặt Trời;

Dương [136], tại đây sai số dự báo giảm tới 50%, trong khi theo vùng
Bắc Đại Tây Dương nói chung phương sai nhiễu trung bình bằng 70%,
tức tương ứng với mức ý nghĩa khả báo 30%.
Từ sự phân tích thống
kê đã tiến hành và những kết quả của các công
trình [44, 151] suy ra rằng sự tăng tính khả báo liên quan với chất lượng
phép phân tích, tức những mô hình đã dự báo đạt nhất những quá trình
nào và ở những vùng nào mà nó thích ứng nhất. Rõ ràng rằng (xem mục
5.2) với vùng Đại Tây
Dương xích đạo và nhiệt đới thì vai trò của những
nhân tố đã liệt kê khác so với vùng tác động của Gơnstrim, tức các tham
số mô hình cho vùng này phải khác nhiều và độ xác thực theo mô hình
[224] ở đây thấp hơn.
Chính vì xuất
phát từ những suy luận này mà chúng tôi đã ứng dụng
những mô hình xác suất thống kê khác nhau để xác định khả năng áp
dụng của chúng vớí những vùng khác nhau của Bắc Đại Tây
Dương và
biển Na
Uy (hình 6.4). Lần đầu tiên nhận được kết quả dự báo với chuỗi
quan trắc độc lập về dị thường nhiệt độ mặt đại dương từ năm 1981 đến
1985 cho một thủy vực rộng lớn như Bắc Đại Tây Dương (162 ô cạnh 5
°
kinh vĩ). Độ xác thực dự báo dao động từ 50 đến 80%, tức bằng 50
−70%
phương sai nhiễu (xem hình 6.4).
Điều lý thú l
à đối với vùng tác động của hệ thống Gơnstrim − hải
lưu Bắc Đại Tây Dương sai số dự báo bằng các phương pháp thống kê
xác suất bậc một và bậc hai đã giảm. Kết quả đạt nhất cho vùng này là kết

E32

−=λ và N6968

−=ϕ .
Một đặc trưng khả báo
quan trọng khác là giới hạn thời gian báo
trước của dự báo ứng với chỉ tiêu chính xác đã cho
ε . Từ các biểu thức
(4.8), (4.9) dễ dàng tính
τ và dựng sơ đồ không gian thời gian báo trước
cực đại của dự báo ứng với
9,0≤d (hình 6.5). Đã tính toán như vậy cho
biển Na
Uy (26 ô với cạnh 5° kinh vĩ). Thấy rằng giới hạn khả báo cực
đại đối với dị thường nhiệt độ mặt đại dương trung bình tháng là 1,8
tháng với vùng tác động của xoáy nghịch, hải lưu Na
Uy và vùng Fare.
Còn về trung bình, với vùng này thì thời gian báo trước của dự báo bằng
một bước thời gian có thể xem là hoàn toàn tin cậy đối với dự báo bằng
các phương pháp thống kê xác suất.
Ở Bắc Đại T
ây Dương giới hạn này tăng lên đến 2−3 bước, đặc biệt
trong đới tác động của Gơnstrim và hải lưu Bắc Đại Tây Dương. Ở các
phần xích đạo và nhiệt đới, giới hạn khả báo thống kê cực đại không quá
một bước thời gian. Một trong những nguyên nhân của điều này là do
tính không dừng rõ rệt của các chuỗi dị thường nhiệt độ mặt đại dương tại
đây.
Nhiều tác giả [
65, 146, 151] cho rằng muốn tăng hiệu quả dự báo

Cải thiện được tính khả báo như vậy là nhờ vai trò của các nhân tố
bình lưu trong hệ thống những mối liên hệ không gian của nhiệt độ mặt
đại dương. Vai trò của nhân tố này đặc biệt biểu hiện rõ trong kết quả dự
báo thí nghiệm (hình 6.6). Muốn tính tới những mối liên hệ không gian
để dẫn tới tăng hiệu quả dự báo thống kê, có thể thực hiện bằng một số
cách: đưa c
ác mối liên hệ với những điểm lân cận của vùng lưới vào mô
hình
A
P như trong [143] đã đề xuất, hay dự báo những thành phần chính
đầu tiên tính theo các hàm trực giao tự nhiên của tọa độ ngang, những
thành phần này mô tả 80% phương sai, như trong [241]. Theo các tác giả,
phương pháp thứ hai tỏ ra hấp dẫn hơn, vì nó tránh cho người ta phải
chọn một cách chủ quan những điểm ảnh hưởng.
Những kết quả dự báo độc lập sử dụng
khai triển nhân tố dị thường
nhiệt độ mặt đại dương ở thủy vực biển Na
Uy (hình 6.7) là thí dụ vận
dụng mô hình đa chiều
1−
A
P và phép ngoại suy Bayes bậc một. Vì
khai triển thực hiện theo mặt rộng (ma trận các số liệu xuất phát có kích
thước 26
×120), nên các tỉ trọng nhân tố phản ánh mối liên hệ của các
trường trong thời gian.
Các kết quả dự báo, thực hiện theo m
ô hình 1−
A
P một chiều và đa

khổ các mô hình một chiều tuyến tính đã được chứng minh về lý thuyết trong
các công trình [35, 65, 142, 146, 151]. Với khí quyển, tính khả báo là nhỏ
hơn một, hai bước [146], với đại dương
− bốn bước [151] tuỳ thuộc vào đặc
trưng hệ thống khí hậu, độ gián đoạn quan trắc và quy mô không gian lấy
trung bình.
Như vậy,
tăng thời hạn dự báo bằng cách ngoại suy các chuỗi xuất
phát lên hơn hai, ba bước thời gian có lẽ là vô vọng. Dưới góc độ thực
tiễn điều này khá hiển nhiên: ta thường gắn chất lượng dự báo với điều
kiện sai số dự báo không vượt ra quá
σ
674,0
hay
σ
8,0
, tức xấp xỉ tương
ứng với 0,55 và 0,74 phương sai quá trình. Trong khi đó hệ số tương
quan phải lớn hơn 0,8.
Mức liên hệ nội tại cao như vậy t
hường chỉ đảm bảo với bước trễ
bằng một, hoặc tối đa hai bước thời gian [44]. Chính điều này là nguyên
nhân chính làm cho các phương pháp ngoại suy chuỗi thời gian ít phổ
dụng. Ý nghĩa thực tiễn của thông tin dự báo với một, hai bước thời gian
không cao.
Theo ý kiến các tá
c giả, việc vận dụng công cụ phân tích thống kê đa
chiều tạo ra khả năng không chỉ tăng hiệu quả dự báo, mà còn tăng thời
gian báo trước của dự báo quá trình khí tượng thủy văn bằng các phương
pháp thống kê xác suất.

ˆ
=σ và C470
20

,
ˆ
=σ ).

Hình 6.7. Phân bố sai số dự báo dị thường nhiệt độ nước mặt
trung bình tháng biển Na
Uy tháng 2 năm 1984 bằng những
phương pháp khác nhau:
a − Phương pháp Bayes một chiều, b − Phương pháp Bayes đa
chiều, c − Tự hồi quy một chiều, d − Tụ hồi quy đa chiều

Hình 6.8. Những hàm tự tương quan điển hình của hai
thành phần chính đầu tiên của các chuỗi dị thường nhiệt
độ nước mặt trung bình tháng vùng biển Na Uy (a),
Đông Bắc Đại Tây Dương (b), vùng Gơnstrim (c)
Phân tích các đồ thị hàm tự tương quan của các thành phần chính
(hình 6.8) cho phép ước lượng khoảng tương quan cực đại: theo toàn
vùng đông bắc Đại Tây Dương và biển Na
Uy (32 ô cạnh 5° kinh vĩ)
khoảng tương quan cực đại bằng 7 tháng với
)(
1
aτ
và giảm xuống còn 3
tháng với
)(


==
18
11 i
i
k
i
i
λλ
%
1957−1971
i
1957−1971 1976−1981
1976−1981
1
X
2
X
3
X
4
X
5
X
1 33 24
1
X
0,66
−0,53
0,08

−2 mùa. Độ xác thực dự báo dẫn trong bảng 6.1. Độ xác
thực cao ứng với thời hạn dự báo 1
−2 tháng và 1 mùa (hơn 80%).
Bây giờ ta phân tích một vấn đề rất quan trọng − độ ổn định của các
hàm trực giao tự nhiên trong tọa độ không gian, vì với những
)(τ
i
a
R khá cao thì những giá trị dự báo nhiệt độ mặt đại dương có
thể biến thiên mạnh trong trường hợp các hàm trực giao không ổn
định. Được biết rằng [115] các hàm trực giao tự nhiên được tính
với độ chính xác tới một số thập phân. Vì vậy thay dấu của các hàm
trực giao tự nhiên khi bước trễ của chuỗi bằng 1 và hơn 1 bước thời
gian có thể dẫn tới tính sai phần đóng góp của thành phần được dự
báo.
Cần đặc biệt lưu ý điều này nếu trong mô hình dự báo dạng (4.1)
mỗi một dự báo tiếp sau được xem như trị số thực và thủ tục dự báo lặp
lại cho bước 1, bước 2 và các bước tiếp sau. Trong bảng 6.2 dẫn những
kết quả rất đáng quan tâm: từ bảng này suy ra rằng độ ổn định của các
hàm trực giao tự nhiên khá cao: khi xê dịch các chuỗi tới 60 giá trị
(tháng) so với nhau mà vẫn giữ ngu
yên những nét chính của bản đồ dị
thường nhiệt độ mặt đại dương trong trường ba hàm trực giao tự nhiên
đầu tiên ở một vùng rất biến động như vùng Gơnstrim.
Bảng 6.3. Hiệu quả dự báo dị thường nhiệt độ mặt đại dương trung
bình tháng theo 22 ô 5
° kinh vĩ và trung bình mùa theo 10 ô 5° kinh vĩ
ở Bắc Đại Tây
Dương (chuỗi độc lập từ tháng 1 đến tháng 6 năm 1982
Thời hạn dự báo Độ xác thực, % Hiệu quả, %

mô hình
một chiều và đa chiều đã cho phép phát hiện những mối liên hệ cao về
thống kê (cũng có thể về vật lý) theo không gian cũng như theo thời gian.
Tuy nhiên trong tất cả các trường hợp giới hạn khả báo đều không cao
−
một, hai bước thời gian. Như chúng tôi đã nói, muốn tăng giới hạn này
phải tăng quy mô lấy trung bình theo không gian và đặc biệt theo thời
gian. Nhưng khi đó lại nảy ra vấn đề độ gián đoạn của giá trị dự báo.
Thực vậy,
khi dự báo dị thường nhiệt độ mặt đại dương trung bình
năm cho 1
−2 năm sau, chúng ta không thể đưa ra dự báo giá trị trung
bình tháng theo cùng những năm đó, vì ở đây ta chỉ dùng các chuỗi dị
thường nhiệt độ trung bình năm. Điều này chỉ ra rằng trong các sơ đồ đa
chiều dự báo thống kê xác suất chỉ tính đến ảnh hưởng cuả các quy mô
không gian khác nhau và không tính đến ảnh hưởng các quy mô thời
gian. Hoàn toàn hiển nhiên rằng ảnh hưởng của chúng lên vùng dự báo sẽ
khác nhau tuỳ thuộc vào những quá trình khí tượng thủy văn qu
y mô vừa,
quy mô lớn hay quy mô toàn cầu.
Việc tính tới ảnh hưởng qua lại của
các quy mô thời gian khác nhau
trong các mô hình xác suất cho tới nay thực tế chưa được thực hiện. Vì
vây, với mực đích tăng giới hạn khả báo các đặc trưng hải dương, chúng
tôi thử nghiệm biến thể sơ đồ dự báo đang xét mà không đưa thêm những
tham số (tiên lượng) bổ sung. Thực chất của sơ đồ này là tính các hệ số
khai triển những giá trị trung bì
nh tháng của dị thường nhiệt độ mặt đại
dương theo các hàm trực giao tự nhiên thời gian đối với từng ô của vùng
đồng nhất Bắc Đại Tây Dương. Trong trường hợp này những hệ số khai

Bán kính tương quan thời gian phụ thuộc nhiều vào cấu trúc trường [115]
mà vùng tính của chúng ta nằm trong đó: nếu trường các hàm trực giao tự
nhiên của vùng tham dự vào trường các hàm trực giao tự nhiên của toàn
miền, thì bán kính tương quan thời gian sẽ lớn và nó t
huộc các vùng giàu
thông tin. Cụ thể, đó là các vùng tầu thời tiết J và K (xem hình 6.9), điều
này phù hợp với những kết luận của công trình [187]. Điều quan trọng là
phải chứng tỏ những dao động dài hạn phát hiện được không ngẫu nhiên.
Để làm điều đó đã tính những giới hạn tin cậy của hệ số tương quan với 104
mức ý nghĩa 5%:
r
r
z
−
+
=
1
1

2
1
ln ,
trong đó
−z tham số Fisher; −σ sai số bình phương trung bình tính các
hàm tự tương quan
r
; −

i
k
i
i
%
1 6,3 52,9 52,9
2 2,5 21,0 73,2
3 1,1 9,2 83,1
4 0,5 4,2 87,3
5 0,5 4,2 91,5
Tầu thời tiết I
6 0,4 3,5 95,0
1 4,6 38,7 38,7
2 2,1 17,4 56,1
3 1,6 13,3 59,4
4 1,2 9,9 79,3
5 0,9 7,4 86,7
Tầu thời tiết J
6 0,6 5,4 92,1
1 5,9 39,0 39,0
2 2,0 20,0 59,0
3 1,6 17,5 76,5
4 0,6 6,8 83,3
5 0,6 5,0 88,3
Tầu thời tiết K
6 0,4 4,2 92,5
Nhận thấy rằng, khi 5,0=r ước lượng
τ
trở thành cao hơn so với
thực. Từ bảng 6.5 suy ra rằng giới hạn khả báo thống kê cực đại là chu kỳ

không gian
− thời gian lấy trung bình và mô hình chẩn đoán thống kê xác
suất được chọn:
− Khi tăng quy mô lấy trung bình theo thời gian (mùa, năm) giới hạn
khả báo bằng 2
−3 bước;
− Khi tăng quy mô lấy trung bình theo không gian (ngoại suy các
thành phần chính theo thủy vực gồm một số ô 5
° kinh vĩ) thời gian báo
trước của dự báo tăng tới 4
−6 tháng;
− Dự báo các thành phần chính theo những hàm trực giao tự nhiên
thời gian tăng giới hạn khả báo tới 6
−8 bước. 105

Hình 6.9. Những hàm tự tương
quan chuẩn hoá của thành
phần chính thứ nhất khai triển
các chuỗi dị thường nhiệt độ
trung bình tháng mặt đại
dương vùng tầu thời tiết
I

(1), J (2) và

a
I 1 0,36 0,69 0,85 0,49 1 0,18 0,18 0,11 0,14

2 0,32 0,37 0,39 0,07 2 0,18 0,18 0,15 0,11

3 0,36 0,11 0,11
−0,25
3 0,18 0,18 0,17 0,15

J 1 0,22 0,62 0,72 0,50 4 0,19 0,19 0,19 0,17

2 0,30 0,40 0,42 0,12 5 0,19 0,19 0,19 0,18

3 0,34 0,21 0,24
−0,10
6 0,20 0,19 0,19 0,19

K 1 0,28 0,45 0,43 0,20 7 0,20 0,19 0,19 0,19

2 0,22 0,64 0,76 0,54 8 0,20 0,17 0,19 0,20

3 0,30 0,45 0,48 0,18 9 0,21 0,15 0,21 0,20
2
a
I 1 0,34 0,26 0,27
−0,07
10 0,21 0,17 0,20 0,21

2 0,34 0,30 0,31
−0,02

các tầu thời tiết I, J, K năm 1980
I J K
Tháng
Thực Dự báo Sai số Thực Dự báo Sai số Thực Dự báo Sai số
1 0,1 0,4 0,3
−0,1
0,0 0,1
−0,1 −0,2
0,1
2 0,0 0,4 0,4 0,0 0,0 0,0
−0,4 −0,3
0,1
3 0,0 0,3 0,3
−0,4
0,1 0,5
−0,5 −0,3
0,2
4
−0,1
0,3 0,4
−0,1
0,2 0,3
−0,6 −0,5
0,1
5 0,2 0,2 0,0 0,7 0,3 0,4
−0,1 −0,5
0,4
6 0,0
−0,1
0,1 0,0 0,2 0,2

11 0,0 0,1 0,1
−0,2
0,3 0,5
−0,5 −0,4 −0,1
12 0,4 0,2 0,2 0,5 0,3 0,2 0,0
−0,1
0,1
6.2. DỰ BÁO ĐIỀU KIỆN BĂNG BIỂN BAREN
Điều kiện băng cũng là một đặc trưng hải dương quan trọng. Nó có
vai trò đáng kể hình thành chế độ nhiệt các biển do tính chất cách nhiệt
của băng: mùa lạnh băng làm giảm quá trình nguội lạnh, mùa ấm
− ngăn
cản quá trình nung nóng bức xạ. Ngoài ra, các trường băng ảnh hưởng
nhiều tới sản lượng sinh học của biển, vì sự tạo và tan băng làm thay
đổi độ muối và chế độ ánh sáng lớp trên của đại dương. Vì những
nguyên nhân đó và vì điều kiện băng là một chỉ thị về những biến đổi
khí hậu, nên dự báo dài hạn điều kiện băng có ý nghĩa thực dụng
rất
lớn. 106
Bảng 6.7. Hiệu quả dự b
áo các dị thường lượng băng trung bình tháng
biển
Baren với thời hạn dự báo 1 tháng theo chuỗi từ 1/1988 đến 12/1989
Độ xác thực dự báo (%)
Phương pháp
dự báo
Sai số

0,265 95,83 66,67 70,83 0,627
AP-3
−0,123
0,270 95,83 66,67 70,83 0,628
Fourier
−0,388
0,356 54,17 45,83 54,17 0,829
Trung bình
−0,188
0,256 91,67 70,83 70,83 0,596
Kết hợp hồi quy 0,000 0,231 91,67 75,00 79,17 0,539
Để xây dựng và kiểm tra những mô hình dự báo một chiều và đa
chiều đã sử dụng những chuỗi quan trắc về điều kiện băng ở biển Baren:
diện tích biển trung bình năm, phần diện tích (%) biển bị phủ băng, từ
năm 1899 đến 1981 và giá trị lượng băng trung bình tháng từ năm 1934
đến 1989.
Bây giờ chún
g ta xem xét những kết quả dự báo độc lập về giá trị
trung bình tháng lượng băng (bảng 6.7) bằng các mô hình thống kê một
chiều. Để loại trừ các thành phần tất định của quá trình tại bước đầu tiên
chuỗi xuất phát được quy tâm theo trị số trung bình, sau đó từ chuỗi này
loại bỏ hài với chu kỳ 12 bước thời gian. Thủ tục này, như đã biết, cho
phép loại trừ xu thế
− biến trình năm khổi chuỗi thời gian, còn bản thân
chuỗi trở thành chuỗi các dị thường:
 
== =
−
×
−=Δ

ji
L

Δ ) được ngoại suy bằng những mô hình
xác suất khác nhau (xem bảng 6.7) nhằm mục đích xây dựng một mô
hình dự báo tổng quát hữu hiệu nhất. Các dự báo thực hiện với thời gian
báo trước 1 tháng cho chuỗi số liệu độc lập từ 1/1988 đến 12/1989, ngoài
ra trong mỗi bước dự báo tất cả các tham số của các mô hình được tính
lại theo thông tin mới.
Từ bảng nà
y thấy rằng độ xác thực của các dự báo theo các phương
pháp dao động từ 25 đến 71% theo tiêu chuẩn
σ670, và từ 33 đến 75%
theo tiêu chuẩn
σ80, . Tối ưu hoá thống kê những mô hình này bằng thủ
tục kết hợp đã nâng chất lượng dự báo: với mô hình hồi quy độ xác thực
tuần tự bằng 75% và 79% theo các tiêu chuẩn
σ670, và σ80, . Hiệu quả
dự báo
− độ xác thực dự báo theo mô hình kết hợp hồi quy vượt hơn so
với dự báo quán tính 8
−9%. Giá trị dự báo cuối cùng về lượng băng được
tính theo thủ tục ngược với (6.1).
Nhìn chung, nếu xuất p
hát từ mức sai số dự báo tương đối biến thiên
từ 1,34 đến 0,54, thì có thể kết luận rằng chỉ có mô hình kết hợp hồi quy
là cho giới hạn khả báo thống kê cao (2
−3 tháng) mà thôi. Với những mô
hình tự hồi quy các bậc 1
−3, mô hình xác suất, mô hình Bayes, kể cả mô


cos)(
t
er
(6.2)
với các tham số bằng
40,=α , 38/π=
β
, 40,=
γ
(hình 6.10). Điều này
cho phép xác định tính thích hợp về dạng của mô hình giải tích với chuỗi
thời gian xuất phát, xác định phương sai tương đối của sai số dự báo (
d )
ứng với những thời gian báo trước khác nhau của dự báo và tính giới hạn
khả báo thống kê cực đại (thời gian báo trước) ứng với các tiêu chuẩn về
độ chính xác dự báo khác nhau (bảng 6.8). Vì quá trình có quán tính cao
− đường cong hàm tự tương quan cắt mức ý nghĩa tại bước trễ hơn 10
năm (xem hình 6.10), nên ở đây không đòi hỏi phức tạp hoá thêm thủ tục
dự báo, tức không cần tổng hợp các mô hình thống kê. Trong trường hợp
này chỉ cần sử dụng mô hình
1−
A
P với những hệ số tự hồi quy tính
theo công thức (6.2). Độ xác thực dự báo độc lập với bước trễ từ 1 đến 3
năm vẫn cao (xem bảng 6.8).
Bảng 6.8. Hiệu quả dự báo những giá trị trung bình năm lượng băng biển Baren
Thời gian báo trước, số năm

1 2 3 4 5 6 7 8 9 10
108
hình xác suất tuyến tính sai số ngoại suy tăng dần theo thời gian báo
trước của dự báo. Vì vậy, mặc dù những thành phần chu kỳ dài của lượng
băng có quán tính lớn, tới 2
−3 năm, các dự báo biến động nội trong năm
với thời hạn dự báo hơn 2
−3 tháng trở nên không hiệu quả.
Bảng 6.9. Kết quả khai triển lượng băng trung bình tháng biển Baren
theo các hàm trực giao
tự nhiên thời gian (số liệu 1946−1989)
Số hiệu
thành phần
Phương sai
%
Phương sai
tích phân, %
Số hiệu
thành phần
Phương sai
%
Phương sai
tích phân, %
1 60,6 60,6 7 1,7 97,5
2 14,4 75,0 8 0,9 98,4
3 8,2 83,2 9 0,6 99,0
4 5,8 89,1 10 0,4 99,5
5 4,4 93,5 11 0,3 99,8
6 2,3 95,8 12 0,2 100,0

Hình 6.12. Phân bố sai số dự báo
độc lập dị thường độ băng
ở biển Baren
Phù hợp với công thức (4.3) năm thành phần chính đầu tiên của
lượng băng trung bình tháng được ngoại suy qua 1 bước (năm) tương lai
bằng cách sử dụng thủ tục tối ưu hoá thống kê các mô hình xác suất (xem
công thức (4.5)). Việc khôi phục những trị số xuất phát cho phép lập dự
báo độc lập lượng băng biển Baren với thời gian báo trước 12 tháng.
Trong trường hợp tổng quát, thời gian báo trước của dự báo bị quy định

bởi giới hạn khả báo thống kê của các thành phần chính lượng băng, bằng
2
−3 năm, hay 24−36 tháng. Vì vậy, với những mục đích dự báo nền thì
các tính toán với thời gian báo trước như vậy và độ phân giải moọt tháng
hoàn toàn hiện thực. Thủ tục tính trước lượng băng ở đây giữ nguyên 109
(xem công thức (4.2)); chỉ có các trị số của các thành phần chính được dự
báo là biến đổi trong khi các vectơ riêng không đổi. Trong thực tế có thể
dự báo những quá trình với quy mô khác nhau bằng các mô hình thống kê
đa chiều.
Trên các hình 6.11 và 6.12 thể hiện n
hững thí dụ dự báo độc lập và
phân bố sai số của 204 dự báo độc lập lượng băng từ năm 1973 đến 1989.
Nét đáng chú ý ở đây là cấu trúc mùa của dị thường lượng băng đã được
mô tả rất khá về chất lượng và định lượng. Theo chúng tôi, đó là ưu việt
chính so với các mô hình một chiều dự báo trực tiếp những chuỗi xuất
phát. Trong trường hợp n
ày dạng của đường cong dự báo lặp lại tất cả

này và năm khác biến
thiên nhiều hơn (hình 6.14a). Những trị số nhỏ nhất rơi vào năm 1979
(59%), 1981, 1983 và 1984 (67%), những năm này ứng với các giá trị cực
trị của hệ số khai triển thứ nhất của lượng băng. Độ xác thực dự báo cực
đại bằng 100% ở năm 1980 và 1986 theo tiêu chuẩn
σ80, . Trong những
năm này trị số của các thành phần chính xấp xỉ giá trị chuẩn, giống như
các năm 1974, 1975, 1982, 1985, khi này độ các thực dự báo đạt 91%.
Nhìn chung, độ xác thực trung bìn
h của dự báo từ năm này tới năm
khác bằng 81%, còn từ tháng sang tháng bằng 82%, khá thoả mãn những
yêu cầu đối với các dự báo khí tượng thủy văn dài hạn [61, 65]. Một trong
những kết luận chính rút ra qua phân tích kết quả dự báo độc lập lượng
băng biển Baren là: ứng dụng các mô hình thống kê đa chiều có lợi thế
đáng kể cả về mức hiệu quả lẫn về thời
gian báo trước của dự báo so với
trường hợp dự báo bằng những mô hình thống kê một chiều.
Ở đây giải
quyết được hai vấn đề khó nhất: a) Phát triển được những sơ đồ dự báo cho
các quá trình quy mô khác nhau (về thời gian hay không gian) trong khuôn
khổ một mô hình dự báo đa chiều; b) Đạt được phân bố sai số dự báo, cũng
tức là các đặc trưng chất lượng dự báo, tương đối đều trên toàn khoảng dự
báo.

Hình 6.13. Biến động các chuỗi dị thường nhiệt độ trung bình tháng lớp nước
0
−200 m tại kinh tuyến Kolsky [44] 110

trường được thể hiện qua những giá trị sinh khối phù du sinh vật khôi
phục được tại các điểm nút của một miền lưới có bước 2
° kinh vĩ tuyến từ
N60

=ϕ
đến
N75

=ϕ
và từ W15

=λ đến E15

=λ .
Sự lựa c
họn bước lấy trung bình không gian đối với các trường sinh
khối tuân theo mức gián đoạn của các số liệu khí tượng thủy văn lịch sử
thu thập cho vùng thủy vực Bắc Âu do Trung tâm Dữ liệu Thế giới, Viện
Nghiên cứu Khoa học Thông tin Khí tượng Thủy văn Liên bang quy định
và phù hợp với [46]. Sự tương đồng như vậy tạo khả năng phân tích so
sánh những trường hải dương học và sinh học.
Trong điều kiện đó, có thể hiểu được vai trò của động lực nước đại
dương thủy vực Bắc
Âu trong sự biến động chế độ nhiệt lớp trên của biển
Na
Uy và phân bố không gian sinh khối phù du sinh vật. Việc hiện thực
hoá các phương pháp phân tích thống kê đa chiều
− phân tích nhân tố và
phân tích nhóm (cluster analysis)

đới front cực.
Như vậy,
sự hiện diện của các đới front phát triển là điều kiện cần
thiết hình thành các ổ phát triển mạnh phù du sinh vật trong lớp trên của
biển Na
Uy. Sự tương phản nhiệt giữa các loại nước Bắc Băng Dương và
Đại Tây Dương sẽ đặc trưng đơn trị cho vị trí và cường độ của front cực
và, do đó, quyết định những điều kiện xuất hiện các ổ phát triển phù du
sinh vật liên hợp trong không gian.
Vào mùa đông, đới front
nằm ở phía tây kinh tuyến số không, còn
trong các mùa chuyển tiếp nó lan rộng sang phía đông dọc theo vĩ tuyến
62
°. Nhập lưu nước từ Đại Tây Dương trong mùa thu định vị trong nhánh
phía đông hẹp của hải lưu Na
Uy nằm trong đới gần bờ Scanđinavi.
Vùng ảnh hưởng của nhân
tố chung thứ hai của khai triển sinh khối
chỉ gồm phần phía đông của biển Na Uy (xem hình 6.15b).
Ảnh hưởng
của nhân
tố này lan rộng tới dải bờ Scanđinavi (200−400 hải lý). Nhân tố
này cũng có cấu trúc ổ thể hiện rõ. Kích thước các ổ khoảng 300 km. Địa
điểm ngự trị chính của chúng dọc bờ Scanđinavi gián tiếp cho thấy sự
phát triển mạnh mẽ của các quá trình tương tác giữa hải lưu Na
Uy và các
loại nước ven bờ, các dòng nước lợ lục địa. Được biết rằng dọc thềm lục
địa Scanđinavi hình thành nhiều dải gọi là front ven bờ [189]. Građien độ
muối góp phần chủ yếu hình thành nên chúng.
Nhân tố chun

Khi phân tích sự biến động
nội năm của vị trí đới front ta nhận thấy
một thực tế rất lý thú
− sự hiện diện hai trạng thái khí hậu bền vững của
toàn bộ tập hợp các đặc trưng vật lý thủy văn ở biển Na
Uy. Trạng thái
thứ nhất
− gia tăng trao đổi nước với Đại Tây Dương, khi đó hệ thống các
dải front ở nam phần biển Na
Uy có định hướng phát triển dọc kinh tuyến
(điều này thường diễn ra nhất vào các mùa đông và hè). Trạng thái thứ
hai
− giảm thiểu trao đổi nước với Đại Tây Dương, biểu hiện ở vị trí
hướng địa đới của nhánh Fare
− Setlen trong đới front cực và front ven
bờ Scanđinavi vào mùa xuân và mùa thu. Như vậy là hai lần trong một 112
năm, trong cấu trúc không gian các trường động lực, nhiệt muối và, rõ
ràng cả các trường sinh học, có sự cường hoá các građien kinh hướng của
các đặc trưng hải dương học nghề cá đồng thời với sự gia tăng các quy
mô biến động ngang hướng.
Ngược lại, k
hi suy giảm trao đổi nước sẽ diễn ra quá trình tăng
tương phản đới trên nền gia tăng số lượng các ổ dị thường địa phương
(với đường kính 100
−300 km). Sự chuyển tiếp từ một trạng thái sang
trạng thái khác diễn ra rất nhanh, thực tế đột ngột từ mùa sang mùa (xem
hình 5.12). Điều này cho phép giả thiết "hiệu ứng chuyển mạch" như là

Hình 6.16. Phân vùng biển Na Uy
theo kết quả phân loại độ biến động
nhiều năm sinh khối phù du sinh vật
(ký hiệu các vùng 1−3 với trị số sinh
khối cực đại của lớp tương ứng)

Sự ổn định của các lớp đã được kiểm tra bằng phương pháp phân
tích phân biệt tuyến tính [188], tức xây dựng hàm phân biệt tuyến tính
phân tách các lớp và ước lượng những chỉ số phân biệt lớp.
Trên cơ sở những kiểu trường chia ra, đã lập danh mục các lớp ph
ân
bố không gian của sinh khối phù du sinh vật. Nguyên tắc lập danh mục
khá đơn giản
– mỗi trường sinh vật phù du được so sánh định lượng với
từng lớp trong ba lớp và sự khác biệt nhỏ nhất giữa trường quan trắc và
lớp là căn cứ để gán cho trường đó một số hiệu lớp tương ứng.
Phép phân tích các lớp nhìn chu
ng khẳng định giả thiết "hiệu ứng
chuyển mạch" đã đề xuất.
Lớp 1 (xem hình 6.16) tương ứng với các tình
huống phát triển mạnh sinh khối phù du sinh vật, còn lớp 2 đặc trưng cho
các thời kỳ sinh vật phù du kém phát triển.
Điều quan trọng là phép
phân loại này phản ánh không những các
quy luật chung phân bố nền của sinh khối sinh vật phù du, mà cả những
đặc điểm cấu tạo không gian các trường.
Với lớp 1 điển hình là các ổ giá trị sinh khối cực đại quy

Bảng 6.10. Ma trận các xác suất chuyển đổi
các lớp phân bố sinh khối sinh vật phù du
Lớp trường
Lớp
trường

1 2 3
Σ
1 (0,59) 0,47 0,04 1,0
2 0,22 (0,44) 0,34 1,0
3 0,36 0,35 (0,29) 1,0
Thấy rõ rằng lớp 1, tương ứng với nền cao của nồng độ sinh khối
trong các đới front, được duy trì từ năm này sang năm khác ổn định nhất.
Lớp này với xác suất lớn nhất được thay thế bằng lớp 2, tương đương với
mức sinh khối sinh vật phù du trung bình thấp nhất nhưng với cấu tạo
không gian quy mô vừa phát triển. Về phần mình, trạng thái này hoặc duy
trì tới năm sau, hoặc được thay
thế bằng lớp 3. Phân bố sinh khối đặc
trưng của lớp 3 là có nền chung thấp và có ổ giá trị tương đối cao ở phía
tây bắc biển Na
Uy. Trạng thái phân bố tương tự thường xảy ra trước lớp
1, tức nền mật độ sinh vật phù du cao trên toàn biển. Đó là đặc trưng
chung nhất của tình hình biến thiên năm sang năm của các trường sinh
khối sinh vật phù du biển Na
Uy.
Tất cả những kết quả tính toán trên đây
có thể là căn cứ để xây dựng
dự báo xác suất kiểu phân bố không gian của phù du động vật trong biển
Na
Uy. Giá trị dự báo của phép phân loại của chúng tôi là ở chỗ trong

những chuỗi đặc trưng hải dương xuất phát trực tiếp bằng các
mô hình
một chiều cả về phương diện hiệu quả lẫn thời gian báo trước.
Nếu như kết quả thứ nhất (vận dụn
g các mô hình xác suất một chiều)
đã khá quen thuộc và được thực tiễn dự báo khẳng định [65, 146, 151],
thì kết quả thứ hai
− cho phép ta theo cách mới nhìn nhận những khả
năng dự báo các tham số tổng quát. Thật vậy, sau khi phân tích những dự
báo đã thực hiện, ta thấy rằng cách tiếp cận này cho phép: a) Dự báo quá
trình đa chiều mà không phải tăng số chiều của mô hình dự báo; b) Tăng
thời gian báo trước của dự báo không phải do ngoại suy các tham số mô
hình, mà do sự ổn định của các hàm cơ sở, tức tính tới tính liên hệ của
trường hay của các
chuỗi thời gian.
Dự báo phân
bố không gian của phù du sinh vật ở biển Na Uy bằng
cách xây dựng vectơ các lớp trạng thái phản ánh những xu thế hiện đại
trong thủy sinh học
– dự báo những đại lượng sinh khối phù du sinh vật
cụ thể hiện thời chưa thể thực hiện được do cấu trúc phức tạp của thông
tin xuất phát. Trong đó lời giải dự báo trở thành nhiều phương án. Ở đây
cần nhận thấy rằng nếu không tiến hành chẩn đoán bằng các phương pháp
phân tích thống kê đa chiều khác nhau, thì về nguyên tắc không thể đạt
tới một kết quả dự báo thoả đáng.
Như vậy,
hiệu quả dự báo tuỳ thuộc nhiều vào tính tổng hợp của
phương pháp tiếp cận cả trong khối chẩn đoán lẫn khối dự báo (xem hình
0.5).


Vận dụng các phương
pháp phân tích thống kê đa chiều khác nhau sẽ
giúp rất nhiều phân tích toàn diện những quá trình hải dương. Một mặt,
đó là do chúng ta đã nhận thức được rằng không thể mô tả sự đa dạng
phong phú vô cùng của những trạng thái các quá trình hải dương bằng
một mô hình tuyệt hảo nào đó, vì những kiểu mô hình khác nhau có sứ
mệnh thực hiện những chức năng khác nhau và giành cho những mục