ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƢỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------

Nguyễn Quang Trung

NGHIÊN CỨU KHẢ NĂNG ỨNG DỤNG MÔ HÌNH KHÍ HẬU KHU
VỰC DỰ BÁO HẠN MÙAỞ VIỆT NAM

Chuyên ngành: Khí tƣợng và khí hậu học
Mã số: 62.44.87
BẢN TÓM TẮT
LUẬN VĂN THẠC SĨ KHOA HỌC

NGƢỜI HƢỚNG DẪN KHOA HỌC:

GS. TS. Phan Văn Tân

Hà Nội - 2012


LỜI CẢM ƠN
Tác giả hoàn thành luận văn này khi học tập và công tác tại Bộ môn Khí
tƣợng, Khoa Khí tƣợng Thủy văn và Hải dƣơng học, Trƣờng Đại học Khoa học Tự
nhiên, Đại học Quốc gia Hà Nội. Luận văn đƣợc thực hiện dƣới sự hƣớng dẫn tận
tình của GS. TS. Phan Văn Tân. Tác giả xin bày tỏ lòng biết ơn chân thành tới thầy,
ngƣời đã hết lòng quan tâm cũng nhƣ kiên trì giúp đỡ từng bƣớc nghiên cứu của học
viên.
Tác giả cũng xin chân thành cảm ơn tập thể Bộ môn khí tƣợng nói riêng và
Khoa Khí tƣợng Thủy Văn và Hải dƣơng học nói chung đã luôn giúp đỡ, tạo điều
kiện để tác giả hoàn thành luận văn, hơn thế nữa còn mang lại một môi trƣờng làm

KẾT LUẬN .....................................................................................................78
TÀI LIỆU THAM KHẢO...............................................................................79

3


DANH MỤC HÌNH

Hình 1.1 Trung tâm sản phẩm toàn cầu cho dự báo hạn dài của WMO ...................15
Hình 2.1 Cấu trúc lƣới thẳng đứng (bên trái) và lƣới ngang dạng xen kẽ ArakawaB
(bên phải) của mô hình RegCM3 ....................................................................23
Hình 2.2 Mô tả hệ toạ độ lai thẳng đứng trong CAM 3.0 .........................................27
Hình 2.3 Sơ đồ mô tả các mô hình thành phần của CAM-SOM ...............................28
Hình 2.5 Miền tính của RegCM3 trong các thí nghiệm. ...........................................31
Hình 2.4 Mô tả các thí nghiệm đƣợc thực hiện. ........................................................32
Hình 2.5 Vị trí 48 trạm lấy số liệu quan trắc để thẩm định .......................................36
Hình 3.1 Nino3.4 trung bình từ tháng 6 đến tháng 12 giai đoạn 1950 – 2007. ........39
Hình 3.2 Tần số bão ở khu vực Biển Đông (1961 - 2007) ........................................39
Hình 3.3 Trƣờng vectơ gió và độ cao địa thế vị mực 850 mb trung bình các tháng 4,
7, 10 (trên xuống dƣới) của các thí nghiệm so sánh với số liệu NNRP2 .......42
Hình 3.4 Trƣờng vectơ gió và độ cao địa thế vị mực 500 mb trung bình các tháng 4,
7, 10 (trên xuống dƣới) của các thí nghiệm so sánh với số liệu NNRP2 .......43
Hình 3.5 Trƣờng vectơ gió và độ cao địa thế vị mực 200 mb trung bình các tháng 4,
7, 10 (trên xuống dƣới) của các thí nghiệm so sánh với số liệu NNRP2 .......44
Hình 3.6 Trƣờng khí áp mực biển trung bình các tháng 4, 7, 10 (trên xuống dƣới)
của các thí nghiệm so sánh với số liệu NNRP2 ..............................................45
Hình 3.7 Trƣờng nhiệt độ mực 2m trung bình các tháng 5-10 trong giai đoạn 19962005 của các thí nghiệm so sánh với số liệu CRU .........................................46
Hình 3.8 Lƣợng mƣa trung bình các tháng 5-10 trong giai đoạn 1996-2005 của các
thí nghiệm so sánh với số liệu CRU ...............................................................47
Hình 3.9 Trƣờng nhiệt độ mực 2m trung bình các tháng 5-10 trong giai đoạn 19962005 của các thí nghiệm so sánh với số liệu quan trắc tại 48 trạm ................48

liệu quan trắc (phải) tại 48 trạm. .....................................................................62
Hình 3.21 Sai số mô phỏng nhiệt độ không khí trung bình mực 2m từ tháng 5 đến
tháng 9 của RegCM3 theo số liệu CAMSOM, NNRP2 và số liệu quan trắc tại
48 trạm. ............................................................................................................63

5


Hình 3.22 Sai số mô phỏng lƣợng mƣa trung bình các tháng từ tháng 5 đến tháng 9
của RegCM3 theo số liệu CAMSOM, NNRP2 và số liệu quan trắc tại 48
trạm. .................................................................................................................64
Hình 3.23 Nhiệt độ không khí trung bình mực 2m của (a) tháng 4, (b) tháng 5, (c)
tháng 6 theo số liệu CRU. ...............................................................................65
Hình 3.24 Sai số dự báo nhiệt độ không khí trung bình mực 2m của tháng 4 với các
leadtime khác nhau ..........................................................................................66
Hình 3.25 Sai số dự báo nhiệt độ không khí trung bình mực 2m của tháng 5 với các
leadtime khác nhau ..........................................................................................67
Hình 3.26 Sai số dự báo nhiệt độ không khí trung bình mực 2m của tháng 6 với các
leadtime khác nhau ..........................................................................................68
Hình 3.27 Lƣợng mƣa trung bình của (a) tháng 4, (b) tháng 5, (c) tháng 6 theo số
liệu CRU. .........................................................................................................69
Hình 3.28 Sai số dự báo lƣợng mƣa trung bình của tháng 4 với các leadtime khác
nhau .................................................................................................................70
Hình 3.29 Sai số dự báo lƣợng mƣa trung bình của tháng 5 với các leadtime khác
nhau .................................................................................................................71
Hình 3.30 Sai số dự báo lƣợng mƣa trung bình của tháng 6 với các leadtime khác
nhau .................................................................................................................72
Hình 3.31 Sai số dự báo nhiệt độ mực 2m tại 48 trạm. .............................................73
Hình 3.32 Sai số dự báo nhiệt độ mực 2m tại các trạm miền Bắc ............................74
Hình 3.33 Sai số dự báo nhiệt độ mực 2m tại các trạm miền Nam ...........................75


Mô hình bề mặt đất (land surface model)

RegCM

Mô hình khí hậu khu vực (Regional Climate Model)

SST

Nhiệt độ mặt nƣớc biển toàn cầu (Sea surface temperature)

WMO

Tổ chức Khí tƣợng Thế giới (World Meteorological Organization)

8


MỞ ĐẦU
Bài toán dự báo hạn mùa hiện đang là một trong những bài toán đƣợc quan
tâm trên thế giới cũng nhƣ trong khu vực bởi những ứng dụng thiết thực đối với đời
sống xã hội. Cụ thể trong dự báo hạn mùa, phƣơng pháp đƣợc quan tâm nhiều hiện
nay là phƣơng pháp mô hình động lực, thay thế cho phƣơng pháp thống kê đƣợc
phát triển mạnh những năm trƣớc đây. Sự phát triển của các mô hình dự báo số trị,
không chỉ trên quy mô toàn cầu mà còn chi tiết hóa cho từng khu vực, đã góp phần
tạo điều kiện thuận lợi cho hƣớng nghiên cứu này.
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 nhƣng vẫn còn nhiều câu hỏi cần đƣợc trả
lời, đặc biệt là dự báo hạn mùa. Trong khuôn khổ luận văn này, tác giả sẽ thử
nghiệm sử dụng mô hình khí hậu khu vực, kết hợp với sản phẩm đầu ra từ mô hình

báo tháng và dự báo mùa. Đối với dự báo thời tiết, thông thƣờng 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 đƣợc 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


Bên cạnh đó, theo WMO [44], với bài toán dự báo thời tiết, dự báo quy mô
lớn hơn 10 ngày trong tƣơng lai đƣợc coi là dự báo hạn dài, mặt khác trong dự báo
khí hậu, dự báo hạn dài nói chung quan tâm ở quy mô mùa. Dự báo hạn dài đƣợc
mở rộng từ hạn 30 ngày cho đến 2 năm, trong đó bao gồm các mô tả quy mô mùa
(seasonal outlook) đƣợc định nghĩa là việc chỉ ra các tham số trung bình của 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 mƣa, mùa khô). Trong thực tế, dự báo hạn mùa
(seasonal forecasting) đƣợc xét từ quy mô tháng cho đến 1 năm (với các hạn phổ
biến là 1, 3, 6, 9 tháng) nhằm đƣa 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 hiểu biết
(chi tiết) về mối quan hệ tƣơng tác giữa khí quyển và đại dƣơng [44]. Hiện tại, với
những hiểu biết của chúng ta về các quá trình tƣơng tác trên, cùng với việc chi tiết
hóa (hoàn thiện hơn) của các mô hình đã giúp phát triển việc quan trắc đo đạc cũng

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 đƣợc 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 hƣởng lớn của điều kiện độ ẩm đất tới các nhiễu động khí quyển trong việc phát
triển các trƣờng khí tƣợng. Nghiên cứu đã chỉ ra ban đầu hóa đất tác động nhỏ
nhƣng là có thể nhận thấy cho sự cải thiện của dự báo nhiệt độ và lƣợng mƣa 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 đƣợc từ việc ban đầu hóa
là khi kết hợp 2 nguồn này.
Việc dự báo hạn dài chính xác các nhân tố khí hậu (nhiệt độ, lƣợng mƣa, trên
hay dƣới 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 lƣu ý là mức độ tin cậy của bất kỳ dự báo nào cũng

12


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 đƣợc chấp nhận nếu chúng chính xác hơn và
cung cấp nhiều thông tin hơn so với kinh nghiệm về khí hậu mà vẫn đƣợc sử dụng
để đánh giá và đƣa ra các quyết định trƣớc đây. Có hai cách tiếp cận dự báo hạn
mùa là dự báo bằng phƣơng pháp thống kê và phƣơng pháp mô hình động lực (dự
báo sử dụng các mô hình số trị).
Phương pháp thống kê là phƣơng pháp đơn giản nhất để dự báo dị thƣờng
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 tƣơng lai với đặc tính khí hậu hiện
tại. Những dị thƣờng biến đổi chậm và có quy mô lớn của khí hậu (ví dụ nhƣ SST)

Với sự phát triển nhƣ vậy, hiện nay WMO đã thiết lập đƣợc các nguồn cung
cấp sản phẩm dự báo hạn dài. Các quá trình dự báo hạn dài dựa trên nền tảng máy
tính (quy mô từ 30 ngày đến 2 năm) trên quy mô toàn cầu đòi hỏi lƣợng lớn tài
nguyên máy tính cùng với những hiểu biết đặc biệt. Vì lý do này, chỉ có một vài
trung tâm trên thế giới cung cấp các bản tin dự báo khí hậu hạn dài toàn cầu. Những
dịch vụ cung cấp bởi các trung tâm này đƣợc biết đến với tên gọi Trung tâm sản
phẩm toàn cầu cho dự báo hạn dài (GPCs) đƣa ra điều kiện cơ bản cho dự báo khí
hậu và thời tiết ở quy mô khu vực/địa phƣơng và đƣợc sử dụng ở các trung tâm dự
báo khu vực và địa phƣơng. Từ đó, dự báo hạn dài ở quy mô khu vực đƣợc cung
cấp bởi cả Các trung tâm khí hậu khu vực (RCCs) cũng nhƣ các Diễn đàn về dự báo
mùa khu vực (RCOFs). Cũng nhƣ GPCs, RCCs và RCOFs sử dụng số liệu đƣợc hỗ
trợ bởi các mô hình số trị để phát triển các dự báo chi tiết thích hợp cho khu vực
riêng. Những mô hình và dự báo này sau đó đƣợc sử dụng bởi các trung tâm dự báo
để tạo ra các dự báo quốc gia và địa phƣơng chính xác và tốt hơn.
Năm 2006, WMO bắt đầu chính thức bổ nhiệm các trung tâm đƣa ra các bản
tin dự báo mùa toàn cầu đƣợc gọi là Trung tâm sản phẩm toàn cầu cho dự báo hạn
dài (GPCs), một thành phần của Hệ thống Xử lý số liệu và Dự báo toàn cầu
(GDPFS) [30]. Các trung tâm này cần cung cấp tối thiểu:
o Dự báo giá trị trung bình, tích lũy hoặc tần suất với thời hạn 1 tháng hoặc lâu
hơn; đặc trƣng là dị thƣờng phân vị trung bình 3 tháng với định dạng chuẩn
cho dự báo mùa. Các dự báo thƣờng biểu diễn dƣới dạng xác suất.
o Thời trễ dự báo (leadtime): từ 0 đến 4 tháng.

14


o Tần suất phát báo: hàng tháng hoặc ít nhất là theo quý
o Cung cấp: dạng ảnh hiển thị trên trang web của GPCs hoặc/và số liệu để tải
về
o Các biến: nhiệt độ 2m, lƣợng mƣa, SST, MSLP, độ cao 500hPa, nhiệt độ

của hệ thống CFS so với hệ thống động lực trƣớc đây bao gồm: (1) sự kết hợp giữa
khí quyển và đại dƣơng mở rộng hầu hết toàn cầu từ 64N-74S (trƣớc đây chỉ có khu
vực Thái Bình Dƣơng nhiệt đới) (2) hệ thống CFS đƣợc kết hợp đầy đủ không có
hiệu chỉnh dòng (khác với trƣớc đây có hiệu chỉnh dòng và sai số) và (3) một bộ
đầy đủ kết quả dự báo lại của 24 năm (1981-2004) với 15 dự báo cho từng tháng
chạy cho 9 tháng, đã đƣợc cung cấp cùng với CFS. Bộ số liệu dự báo lại của 24 năm
này đặc biệt quan trọng trong việc đánh giá kĩ năng dự báo của hệ thống khi chạy
nghiệp vụ, đồng thời cung cấp thông tin quý báu cho việc nghiên cứu sự tƣơng tác
của các quá trình khí quyển-đất-đại dƣơng.
CFS có sai số nhỏ chấp nhận đƣợc trong dự báo SST vùng nhiệt đới và kĩ
năng dự báo Nino 3-4 SST có thể so sánh đƣợc với phƣơng pháp thống kê. Tuy vậy,
kĩ năng dự báo SST vùng vĩ độ trung bình (trƣớc đây không có) kém hơn nhiều so
với khu vực nhiệt đới và ở các thời trễ dự báo dài hơn thì chỉ có kĩ năng vào mùa
đông. Kĩ năng dự báo tháng và mùa của nhiệt độ và lƣợng mƣa khu vực đất liền Bắc
Bán cầu, cụ thể nhƣ Mỹ, còn khiêm tốn, nhƣng vẫn so sánh đƣợc với phƣơng pháp
thống kê trƣớc đây. Kĩ năng của lƣợng mƣa chủ yếu tốt vào mùa đông (liên quan
đến ENSO), trong khi kĩ năng của nhiệt độ chủ yếu tốt vào mùa hè khi dị thƣờng độ
ẩm đất có tác dụng sử dụng.

16


Gần đây, CFS đã phát triển phiên bản 2 với dự báo tổ hợp. Dự báo sử dụng
điều kiện đầu vào của 30 ngày gần nhất và thực hiện chạy 4 lần/1 ngày. Dự báo tổ
hợp đầu vào từ 40 thành phần với điều kiện ban đầu theo thời đoạn 10 ngày. Loại tổ
hợp thứ nhất (E1) sử dụng 10 ngày đầu tiên, loại 2 (E2) sử dụng 10 ngày tiếp theo
và loại 3 (E3) sử dụng 10 ngày cuối. Dị thƣờng đƣợc tính so với sản phẩm dự báo
lại giai đoạn 1981-2008. Tƣơng quan theo thời gian dựa vào dự báo lại cho giai
đoạn 1981-2006 và số liệu quan trắc đƣợc sử dụng để đánh giá kĩ năng cho dị
thƣờng không gian. Độ lệch chuẩn đƣợc tính trung bình độ lệch chuẩn của từng

báo lại (9 tháng) khởi tạo mỗi tháng đƣợc sử dụng để đánh giá. Thời kì chung của
DEMETER và CFS là 1981-2001 (21 năm). Nhiệt độ 2m ở độ phân giải 2.5x2.5 từ
số liệu tái phân tích ERA40 và lƣợng mƣa quan trắc trung bình tháng ở độ phân giải
1.0x1.0 từ Trung tâm mƣa khí hậu toàn cầu (GPCC) đƣợc sử dụng làm số liệu để so
sánh. Lƣợng mƣa đƣợc đƣa về lƣới 2.5 để khớp với độ phân giải của dự báo lại. Ở
đây, tác giả thực hiện 2 phép đánh giá: (1) đánh giá so sánh trung bình tổ hợp các
mô hình với số liệu quan trắc, đây đƣợc coi là đáng giá với khí quyển thực và (2)
đánh giá với khí quyển lý tƣởng, với giả thiết là một thành phần của tổ hợp đƣợc coi
là “thật” và trung bình các thành phần còn lại là “dự báo”. Phƣơng pháp sử dụng
chính là dùng hệ số tƣơng quan (tuyến tính).
Đến đây, chúng ta đã điểm qua một số các nghiên cứu cũng nhƣ các dự án và
sự phát triển các trung tâm dự báo hạn mùa trên thế giới. Các khái niệm và lƣu ý cơ
bản khi đề cập đến bài toán dự báo hạn mùa cũng đã đƣợc nêu ra. Tiếp theo, chúng
ta sẽ tìm hiểu một số các nghiên cứu trong nƣớc.
1.2 Các nghiên cứu trong nước
Trong những năm vừa qua, Viện Khoa học Khí tƣợng Thủy văn và Môi
trƣờng đã đƣa vào hệ thống nghiệp vụ dự báo dị thƣờng tổng lƣợng mƣa mùa và
nhiệt độ trung bình trên cơ sở phƣơng pháp thống kê. Kết quả đƣợc biên tập thành
“Thông báo và dự báo khí hậu” ra hàng tháng và đƣợc cập nhật thƣờng xuyên lên
website của Viện ( Các thông báo này tổng kết diễn biến khí
hậu 3 tháng trƣớc đó và đƣa ra dự báo khí hậu cho 3 tháng tiếp theo. Diễn biến khí
hậu đƣợc xem xét trên cả quy mô toàn cầu và Việt Nam với các biến nhiệt độ, mƣa,
nắng, bốc hơi, chỉ số ẩm và một số hiện tƣợng thời tiết đặc biệt. Dự báo khí hậu 3

18


tháng bao gồm các nhận định chung về diễn biến khí hậu thế giới và khu vực (hiện
tƣợng ENSO) và dự báo khí hậu cho Việt Nam (nhiệt độ, lƣợng mƣa, xoáy thuận
nhiệt đới và không khí lạnh) [5].

phía bắc Việt Nam. Đối với mùa hè, phƣơng pháp dự báo chuẩn sai lƣợng mƣa
tháng và mùa, dự báo lƣợng mƣa cũng nhƣ các chỉ tiêu dự báo hạn vừa thời kì xuất
hiện các đợt mƣa thời kì đầu mùa mƣa ở đồng bằng và trung du Bắc Bộ cũng đƣợc
xây dựng. Số liệu trạm Láng (Hà Nội) trong 91 năm (1898-1989) đƣợc sử dụng cho
mùa đông. Tác giả sử dụng chỉ tiêu K=deltaT/sigma >= 1 (giá trị chuẩn sai nhiệt độ
trung bình từng mùa từng tháng/độ lệch chuẩn) để đánh giá. Tháng đƣợc coi là
tháng rét đậm hay ấm đậm trong mùa đông khi giá trị tuyệt đối của chuẩn sai nhiệt
độ trung bình tháng đó bằng hoặc lớn hơn giá trị độ lệch tiêu chuẩn. Mùa đông đƣợc
coi là rét đậm hay ấm đậm khi giá trị tuyệt đối chuẩn sai nhiệt độ trung bình ba
tháng (12, 1, 2) bằng hoặc lớn hơn giá trị sigma của nhiệt độ 3 tháng đó. Rét hại hay
ấm hại lấy ngƣỡng 1.5. Bên cạnh đó, tác giả cũng đƣa ra các nhận xét về các mùa
đông lạnh kỷ lục (1982/83, 1983/84).
Như vậy, qua tổng quan các nghiên cứu trong và ngoài nƣớc về bài toán dự
báo hạn mùa, có thể nhận thấy 2 điểm cần lƣu ý. Thứ nhất, về mặt phƣơng pháp,
hiện nay phƣơng pháp mô hình động lực tỏ ra có ƣu thế hơn và đƣợc phát triển ngày
càng hoàn thiện hơn. Phƣơng pháp thống kê, tuy có ƣu điểm không yêu cầu cao về
mặt tài nguyên tính toán, nhƣng cũng có nhiều nhƣợc điểm. Trong đó, việc không
tính đến mối quan hệ vật lý giữa các biến đƣợc dự báo, không nắm bắt đƣợc những
phát triển đột biến của khí quyển cũng nhƣ việc phụ thuộc nhiều vào nguồn số liệu
điểm trạm vốn không đầy đủ ở nhiều khu vực, là những khuyết điểm chính. Phƣơng
pháp mô hình động lực, tuy cần tài nguyên tính toán lớn, cả về tài nguyên máy tính
và nguồn nhân lực, nhƣng lại giải quyết đƣợc hầu hết các hạn chế trên của phƣơng
pháp thống kê. Điểm thứ hai, so với sự phát triển trên thế giới thì dự báo hạn mùa ở
Việt Nam còn khá “thô sơ”, với không nhiều các nghiên cứu và nghiệp vụ còn phụ
thuộc nhiều vào phƣơng pháp thống kê. Trong khi đó, những năm gần đây, có
không ít các mô hình khí hậu khu vực đã đƣợc thử nghiệm cho khu vực Việt Nam
[3]. Từ đó, tác giả nhận thấy việc hƣớng đến nghiên cứu khả năng ứng dụng mô
hình khí hậu khu vực vào bài toán dự báo hạn mùa ở Việt Nam là một hƣớng đi có ý
nghĩa và cần thiết. Trƣớc hết là khai thác phƣơng pháp mô hình động lực cho bài


đầu vào (điều kiện ban đầu và điều kiện biên phụ thuộc thời gian) để chạy cho mô
hình RegCM3. Các tùy chọn tham số hóa đối lƣu khác nhau đối với mô hình
RegCM3 cũng đƣợc thử nghiệm khi chạy với số liệu tái phân tích nhằm đánh giá
năng lực của mô hình trong trƣờng hợp điều kiện đầu vào (các trƣờng khí quyển)
đƣợc xem là gần thực.
2.1 Sơ lược về mô hình khí hậu khu vực RegCM3
Hiện nay, mô hình khí hậu khu vực RegCM đã đƣợc ứng dụng để nghiên cứu
khí hậu quá khứ, hiện tại và tƣơng lai tại nhiều nơi khác nhau trên thế giới, từ Châu
Mỹ, Châu Âu đến Châu Á, Châu Phi [21] [34] [9] [37]. Phiên bản NCAR RegCM
(NCAR Regional Climate Model) đầu tiên đƣợc xây dựng dựa trên MM4
(Mesoscale Model Version 4) của Trung tâm quốc gia nghiên cứu khí quyển
(NCAR) và Trƣờng đại học Tổng hợp Pennsylvania (PSU), Hoa Kỳ, vào cuối
những năm 1980 [18] [16]. Phiên bản RegCM đầu tiên đã đƣa 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
[19] [20]. Và phổ biến nhất hiện nay là RegCM phiên bản 3 (RegCM3) với những
cải tiến và bổ sung đáng kể so với các phiên bản trƣớc [29]. Đó là những thay đổi

22


trong vật lý mô hình bao gồm sơ đồ giáng thủy qui mô lƣới, các sơ đồ tham số hóa
vật lý nhƣ sơ đồ tính các dòng từ bề mặt biển của Zeng, sơ đồ đối lƣu mây tích
Betts,...
Mô hình RegCM3 sử dụng hệ tọa độ thẳng đứng thủy tĩnh theo địa hình, ký
hiệu là , đƣợc định nghĩa bởi   ( p  pt ) /( ps  pt ) trong đó p là áp suất, pt là áp
suất tại đỉnh mô hình, và ps là áp suất tại bề mặt.  bằng 0 tại đỉnh và bằng 1 tại bề
mặt. Thông thƣờng, độ phân giải thẳng đứng trong lớp biên mịn hơn các lớp trên

mặt nƣớc biển (SST) đƣợc cung cấp nhƣ là điều kiện biên dƣới. Trên bề mặt đất, sơ
đồ BATS1E khi chạy kết hợp (couple) sẽ cung cấp các dòng trao đổi đất  khí
quyển. Ngoài ra để chạy RegCM3 cần phải có độ cao địa hình, lớp phủ thực vật, đất
và các tính chất vật lý của đất,...
Về tham số hóa đối lƣu, trong mô hình RegCM có thể sử dụng một trong ba
tùy chọn sau đây để tính giáng thuỷ đối lƣu: (1) Sơ đồ Kuo sửa đổi; (2) Sơ đồ MIT
Emanuel; và (3) Sơ đồ Grell. Trong đó, sơ đồ Grell có thể áp dụng với một trong hai
giả thiết khép kín: (1) khép kín Arakawa và Schubert và (2) khép kín Fritsch và
Chappell.
2.2 Hệ thống mô hình kết hợp CAM-SOM
Mô phỏng và tính toán đầy đủ đặc tính ba chiều của hệ thống khí hậu là mục
đích của các mô hình khí hậu toàn cầu (GCM), trong đó có tính đến ít nhất hai thành
phần quan trọng là khí quyển và bề mặt bao gồm bề mặt đất và đại dƣơng. Hầu hết
các GCM hiện nay đã bao gồm hai mô hình kết hợp khí quyển và bề mặt đất. Việc
kết hợp thêm với thành phần đại dƣơng gặp nhiều khó khăn hơn bởi nhiều nguyên
nhân trong đó quan trọng nhất là khả năng đáp ứng của máy tính. Do đó đa số các
GCM hiện nay chạy với SST cho trƣớc nhƣ là điều kiện biên dƣới trên biển (và

24


thƣờng đƣợc ký hiệu là AGCM). Khi GCM có sự kết hợp đầy đủ các thành phần khí
quyển – bề mặt đất và đại dƣơng nó đƣợc gọi là hệ thống mô hình kết hợp khí
quyển – đại dƣơng và ký hiệu là AOGCM.
Một trong những AOGCM đơn giản là mô hình trong đó thành phần đại
dƣơng đƣợc đƣa vào nhƣ là một lớp nƣớc mỏng phía trên (SOM – Slab Ocean
Model). SOM còn đƣợc gọi là mô hình “lớp xáo trộn” hoặc “lớp mỏng” do độ dày
của lớp này tƣơng đƣơng với độ dày lớp xáo trộn trong đại dƣơng. Mô hình “lớp
xáo trộn” biểu diễn đại dƣơng nhƣ là lớp nƣớc mỏng với độ sâu ấn định, thông
thƣờng giữa 70 và 100m. Đôi khi độ sâu lớp xáo trộn có thể thay đổi theo địa hình,