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


3


DAN
Hình 1.1 Trung tâm sản phẩm toàn cầu cho dự báo hạn dài của WMO ...................

Hình 2.1 Cấu trúc lƣới thẳng đứng (
(bên phải) của mô hình RegCM3 ....................................................................

Hình 2.2Mô tả hệ toạ độ lai thẳng đ

Hình 2.3Sơ đồ mô tả các mô hình th

Hình 2.5Miền tính của RegCM3 tro

Hình 2.4Mô tả các thí nghiệm đƣợc

Hình 2.5Vị trí 48 trạm lấy số liệu qu

Hình 3.1Nino3.4 trung bình từ thán

Hình 3.2Tần số bão ở khu vực Biển

Hình 3.3Trƣờng vectơ gió và độ ca

7,10 (trên xuống dƣới) của c

Hình 3.4Trƣờng vectơ gió và độ ca


Hình 3.14 Trƣờng vectơ gió và độ cao địa thế vị mực 1000 mb trung bình các tháng
1,4,7 (trái sang phải) của CAMSOM (trên) và NNRP2 (dƣới)....................55
Hình 3.15 Trƣờng vectơ gió và độ cao địa thế vị mực 850 mb trung bình các tháng
1,4,7 (trái sang phải) của CAMSOM (trên) và NNRP2 (dƣới)....................56
Hình 3.16 Trƣờng vectơ gió và độ cao địa thế vị mực 500 mb trung bình các tháng
1,4,7 (trái sang phải) của CAMSOM (trên) và NNRP2 (dƣới)....................57
Hình 3.17 Trƣờng nhiệt độ không khí trung bình mực 2m các tháng 6,7,8 (trên
xuống dƣới) mô phỏng của RegCM3 theo số liệu CAMSOM (trái), NNRP2
(giữa) và hiệu giữa chúng (phải).................................................................. 59
Hình 3.18 Trƣờng tổng lƣợng mƣa các tháng 6,7,8 (trên xuống dƣới) mô phỏng của

RegCM3 theo số liệu CAMSOM (trái), NNRP2 (giữa) và hiệu giữa chúng
(phải)............................................................................................................ 60
Hình 3.19 Nhiệt độ không khí trung bình mực 2m các tháng từ tháng 5 đến tháng 9
mô phỏng của RegCM3 theo số liệu CAMSOM (trái), NNRP2 (giữa) và số
liệu quan trắc (phải) tại 48 trạm.................................................................... 61
Hình 3.20 Tổng lƣợng mƣa tháng trung bình trong các tháng từ tháng 5 đến tháng 9
mô phỏng của RegCM3 theo số liệu CAMSOM (trái), NNRP2 (giữa) và số
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)

7


DANH MỤC CÁC KÝ HIỆU VIẾT TẮT

AGCM

Mô hình hoàn lƣu chung khí quyển

GCM

Mô hình hoàn lƣu chung khí quyển (Global Circulation 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 nƣớc biển toàn cầu (Sea surface temperature)

WMO


9


Chƣơng 1
TỔNG QUAN
Dự báo hạn mùa hiện nay đang là một trong những bài toán đƣợc quan tâm
đặc biệt, không chỉ trong nghiên cứu mà còn đƣợc mở rộng trong những ứng dụng
của đời sống xã hội. Trong đó, có thể kể đến hiệu quả của sản phẩm dự báo hạn mùa
có kĩ năng tốt trong lĩnh vực nông nghiệp nhƣ góp phần đƣa ra những dự báo đáng
tin cậy về sản lƣợng vụ mùa ở Châu Âu [12] hay miền tây Ấn Độ [13], hơn thế nữa
là trong lĩnh vực y tế nhƣ việc dự báo sự lan truyền của dịch sốt rét [38]. Chƣơng 1
sẽ trình bày tổng quan các nghiên cứu trên thế giới và trong nƣớc về dự báo hạn
mùa, để có đƣợc những khái niệm cơ bản cũng nhƣ một vài nét về sự phát triển của
dự báo hạn mùa. Từ đó, mục tiêu cũng nhƣ ý nghĩa bài toán đƣợc giải quyết trong
khuôn khổ luận văn sẽ đƣợc chỉ rõ.
1.1 Các nghiên cứu trên thế giới
Đến với bài toán dự báo hạn mùa, trƣớc hết, cần có cái nhìn khái quát về
khái niệm của dự báo hạn mùa, cũng nhƣ về các trung tâm đƣa ra sản phẩm dự báo
hạn mùa, đƣợc bổ nhiệm chính thức bởi Tổ chức Khí tƣợng Thế giới (WMO).
Nghiệp vụ dự báo hiện nay có 3 lớp bài toán dự báo, bao gồm dự báo thời tiết, dự
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

vực cũng đƣợc coi là nhân tố quan trọng. Đối với khu vực nhiệt đới, đặc biệt là khu
vực Thái Bình Dƣơng xích đạo, khả năng dự báo SST đƣợc nâng cao nhờ có các
quá trình khác. Trong đó, ENSO là hiện tƣợng đƣợc quan tâm nghiên cứu và có tác
động nhiều nhất đến các quá trình làm thay đổi SST. Dự báo hiện tƣợng ENSO,

11


theo quy mô tháng và năm, đã hỗ trợ tốt hơn cho dự báo hạn mùa ở nhiều nơi trên
thế giới.
Bề mặt đất của trái đất cũng có thể ảnh hƣởng đến khí quyển trên quy mô
mùa, trong đó độ ẩm đất đóng vai trò quan trọng, cũng nhƣ 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 trƣờng toàn cầu trạng thái thực
(của các biến giáng thủy, bức xạ và các trƣờng khí tƣợng bề mặt) để có đƣợc các
trƣờng mới về độ ẩm đất, nhiệt độ và các trạng thái đất khác. Sau đó, tác giả đã sử
dụng các trƣờng này làm điều kiện ban đầu cho dự báo giáng thủy và nhiệt độ bằng
mô hình hoàn lƣu chung khí quyển (AGCM). Sự cải thiện trong kết quả đã đƣợc
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 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.

này có nghĩa là phƣơng pháp hiệu quả khi sự phát triển quy mô lớn là rõ rệt và theo
một hƣớng nhƣng rất khó để lƣờng trƣớc những sự chuyển pha, ví dụ nhƣ từ nóng
sang lạnh và ngƣợc lại. Và cuối cùng, phƣơng pháp thƣờng không nắm bắt đƣợc
những yếu tố đột biến.
Phương pháp mô hình động lực là một cách tiếp cận có cơ sở vật lý hơn để
dự báo mùa, sử dụng các mô hình hoàn lƣu chung khí quyển. Trong một dạng của
hƣớng tiếp cận này, bƣớc đầu tiên là dự báo sự phát triển của SST trong vùng nhiệt
đới Thái Bình Dƣơng. Các dự báo có thể dựa trên mô hình khu vực mà coi sự phát
triển trong vùng đại dƣơng nhiệt đới là cô lập. Khi mô hình đƣa ra dự báo về Thái
Bình Dƣơng, có thể trong một năm tới, hình thế dự báo của SST sẽ đƣợc sử dụng

13


tác động đến mô hình hoàn lƣu 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 đƣợc xây dựng dựa trên những điểm
mạnh của mô hình và những quan trắc ngày càng tốt hơn ở khu vực Thái Bình
Dƣơng xích đạo. Sự phát triển đáng kể hiện tại đã tạo ra một hệ thống tƣơng tác
đầy đủ trong đó thành phần đại dƣơng, khí quyển và mặt đất của mô hình tƣơng tác
liên tục với nhau để cho ra các bản tin dự báo đến vài tháng.
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

Administration/Bejing Climate Center); Trung tâm dự báo khí hậu Mỹ (Climate
Prediction Center, NOAA); Trung tâm dự báo hạn vừa Châu Âu (European Centre
for Medium-Range Weather Forecasts); Cơ quan khí tƣợng Nhật Bản (Japan
Meteorological Agency/Tokyo Climate Centre)…
Mặt khác, nổi bật lên hiện nay, khi quan tâm đến dự báo hạn mùa đáng lƣu ý
là Hệ thống dự báo khí hậu CFS (Climate Forecast System) với hệ thống dự báo hạn
mùa sử dụng mô hình động lực kết hợp đầy đủ đại dƣơng-đất-khí quyển, đã đƣợc
đƣa vào nghiệp vụ tại NCEP từ tháng 8 năm 2004 [32]. Hệ thống CFS cung cấp

15


những lợi thế quan trọng trong việc dự báo hạn mùa nghiệp vụ. Lần đầu tiên trong
lịch sử dự báo nghiệp vụ của nƣớc Mỹ, một hệ thống mô hình động lực có kĩ năng
tốt có thể so sánh đƣợc với phƣơng pháp thống kê hiện đang sử dụng ở Trung tâm
Dự báo Khí hậu của NCEP (CPC). Điều này thể hiện sự tiến bộ đáng kể so với các
hệ thống mô hình động lực trƣớc đây đƣợc sử dụng ở NCEP. Hơn thế nữa, kĩ năng
đƣợc cung cấp bởi CFS (theo không gian và thời gian) cũng đã hoàn thiện kĩ năng
của phƣơng pháp thống kê. Thành phần khí quyển của CFS là phiên bản độ phân
giải thấp hơn (T62L64) của Hệ thống Dự báo Toàn cầu (GFS) đã đƣợc chạy nghiệp
vụ ở NCEP từ năm 2003. Thành phần đại dƣơng là GFDL Modul Mô hình đại
dƣơng phiên bản 3 (MOM3) thay cho MOM1 trƣớc đây. Một số cải tiến quan trọng
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

số liệu tái phân tích ERA40 và số liệu mƣa GPCP [31]. Các mô hình này từ các trung
tâm khí hậu của Châu Âu đƣợc viết tắt là: CERFACS, ECMWF, INGV,

LODYC, METEO-FRANCE, MPI và UKMO. Sản phẩm đầu ra của DEMETER
đƣợc downscale cho phù hợp để ứng dụng vào việc dự báo sản lƣợng mùa màng và
dịch sốt rét. Kết quả cho thấy việc tổ hợp đa mô hình là một hƣớng tiếp cận khả thi
khi quan tâm đến độ bất định của mô hình trong dự báo mùa và nhiều năm, đồng
thời đƣa ra kết quả dự báo đáng tin cậy hơn khi chỉ dựa trên một mô hình đơn lẻ.
Thêm nữa, một lợi ích khác của dự án là cho ra bộ sản phẩm dự báo lại quy mô
mùa. Bộ số liệu này cho tiềm năng để nâng cao hiểu biết của chúng ta về các cơ chế
trong dao động liên mùa và nhiều năm.
David Lavers (cùng cs.) đã phân tích chi tiết kĩ năng dự báo của nhiệt độ và
lƣợng mƣa từ 8 mô hình dự báo mùa bằng phân bố đồng thời của quan trắc và dự
báo để đánh giá sản phẩm của DEMETER [15]. Kết quả cũng cho thấy kĩ năng thấp
ở những dự báo trên tháng-1 (tức là lấy thời trễ dự báo chỉ 1 ngày và đánh giá luôn
cho 30 ngày đầu tiên). Ở những thời trễ dự báo dài, chỉ có khu vực Thái Bình
Dƣơng xích đạo cho thấy kĩ năng đáng kể. Điều này có thể ảnh hƣởng trong việc sử

17


dụng các sản phẩm dự báo mùa trong các dịch vụ khí hậu và kết quả này cũng có
thể đƣợc coi nhƣ tiêu chuẩn của khả năng dự báo khí hậu hiện tại sử dụng các mô
hình động lực. Các mô hình của DEMETER đƣợc khởi tạo chạy vào 01 tháng II, 01
tháng V, 01 tháng 8 và 01 tháng XI để đánh giá sự phụ thuộc quy mô mùa của các
dự báo lại và tích phân cho 180 ngày. Cùng giai đoạn nghiên cứu, CFS với 15 dự
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

(RegCM-CAM). Các trƣờng dự báo của RegCM-CAM đã đƣợc đánh giá bằng cách
so sánh với sản phẩm mô phỏng tƣơng ứng của RegCM3 với đầu vào là số liệu tái
phân tích ERA40 và nhiệt độ mặt nƣớc biển phân tích OISST (RegCM-ERA). Kết
quả dự báo nhiệt độ và lƣợng mƣa của RegCM-CAM còn đƣợc so sánh trực tiếp
với số liệu phân tích CRU (nhiệt độ) và CMAP (lƣợng mƣa), và đánh giá định
lƣợng cho khu vực Việt Nam bằng cách nội suy về vị trí trạm và so sánh với số liệu
quan trắc từ mạng lƣới trạm khí tƣợng thông qua các chỉ số thống kê. Kết quả nhận
đƣợc cho thấy, về cơ bản các trƣờng nhiệt độ và lƣợng mƣa dự báo của RegCMCAM phù hợp tốt với sản phẩm mô phỏng của RegCM-ERA cũng nhƣ với các
trƣờng phân tích CRU, CMAP. Trên khu vực Việt Nam, RegCM-CAM thƣờng dự
báo nhiệt độ thấp hơn quan trắc; sai số dự báo nhiệt độ của RegCM-CAM trung
o

bình khoảng 2 C, khá ổn định và có tính hệ thống. RegCM-CAM cũng cho lƣợng
mƣa dự báo ở Việt Nam thấp hơn thực tế, tuy nhiên sai số còn khá lớn và không thể
hiện rõ qui luật. Trong ba tháng thử nghiệm, dự báo lƣợng mƣa của RegCM-CAM
cho tháng 6/1996 là hợp lý nhất.
Trƣớc đó, trong đề tài “Xây dựng một số phƣơng pháp dự báo hạn vừa, hạn
dài nhiệt độ mùa đông và mƣa mùa hè khu vực phía bắc Việt Nam”, Phạm Đức Thi
(cùng cs.) [4] đã xây dựng các phƣơng pháp dự báo nhiệt độ trung bình tháng và
mùa đối với mùa đông. Nhóm tác giả cố gắng tìm các dấu hiệu để phát hiện những
mùa đông có dao động nhiệt độ mang tính chất dị thƣờng. Đồng thời, đề tài cũng
xây dựng các chỉ tiêu dự báo hạn vừa các đợt không khí lạnh, và các đợt rét đậm, rét
hại, dự báo dài hạn thời kì xuất hiện đợt rét đậm đầu tiên trong mùa đông ở khu vực

19


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


toán dự báo mùa ở Việt Nam, hơn thế nữa nếu kết quả khả quan, có thể ứng dụng tốt
cho các bài toán sau này nhƣ thống kê trên sản phẩm mô hình hay dự báo tổ hợp.
Để giải quyết hƣớng đi này, tác giả tập trung vào hai khía cạnh. Đầu tiên là khảo sát
đƣợc năng lực của mô hình khí hậu khu vực lựa chọn sử dụng, mà ở đây là mô hình
Mô hình khí hậu khu vực RegCM phiên bản 3 (RegCM3). Khi điều kiện đầu vào là
trƣờng khí quyển thực, đƣợc coi là trƣờng “dự báo hoàn hảo”, đồng thời với các
tham số hóa đối lƣu khác nhau, khả năng mô phỏng của RegCM3 sẽ nhƣ thế nào?
Tiếp theo, sẽ khai thác sử dụng đầu ra từ một mô hình dự báo toàn cầu làm điều
kiện biên cho RegCM3 nhằm đƣa ra các sản phẩm dự báo bƣớc đầu. Mô hình toàn
cầu đƣợc sử dụng ở đây là hệ thống mô hình CAMSOM. Các kết quả đƣợc đánh
giá so sánh với số liệu quan trắc, cả trên quy mô lƣới và điểm trạm. Chi tiết việc
thiết kế các thí nghiệm cũng nhƣ mô hình đƣợc sử dụng và các nguồn số liệu sẽ
đƣợc trình bày trong chƣơng 2 tiếp sau đây.

21


Chƣơng 2
PHƢƠNG PHÁP NGHIÊN CỨU
Trong chƣơng 1, ý nghĩa thực tiễn và khoa học của bài toán dự báo hạn mùa
bằng mô hình khí hậu khu vực đã đƣợc chỉ ra. Để cụ thể hóa bài toán nghiên cứu
khả năng ứng dụng mô hình khí hậu khu vực dự báo hạn mùa ở Việt Nam trong
khuôn khổ luận văn này, chƣơng 2 sẽ trình bày việc thiết kế các thí nghiệm sẽ đƣợc
thực hiện. Mô hình khí hậu khu vực RegCM phiên bản 3 và hệ thống mô hình kết
hợp CAM-SOM là hai công cụ chính sẽ đƣợc ứng dụng để mô phỏng và dự báo hạn
mùa cho khu vực Việt Nam. Sản phẩm đầu ra của CAM-SOM đƣợc sử dụng làm
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

s

t

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 cao và số mực thay đổi tuỳ theo yêu cầu ngƣời sử dụng. Lƣới ngang có
dạng xen kẽ ArakawaB (Hình 2.1). Các biến vô hƣớng (T, q, p,…) đƣợc xác định
tại tâm các ô lƣới trong khi các thành phần vận tốc gió hƣớng đông (u) và hƣớng
bắc (v) đƣợc xác định tại các nút lƣới. Vị trí tâm ô lƣới ký hiệu bằng dấu nhân, còn
các nút lƣới đƣợc ký hiệu bằng dấu chấm tròn. Theo phƣơng thẳng đứng các biến
vô hƣớng và thành phần gió ngang (u, v) đƣợc xác định tại mực giữa mỗi lớp, gọi
là các mực phân, còn thành phần vận tốc thẳng đứng đƣợc xác định trên các mực
nguyên (Hình 2.1).

Hình 2.1 Cấu trúc lƣới thẳng đứng (bên trái) và lƣới ngang dạng xen kẽ
ArakawaB (bên phải) của mô hình RegCM3
Hệ phƣơng trình cơ bản của RegCM3 bao gồm các phƣơng trình động lƣợng
ngang, phƣơng trình liên tục, phƣơng trình nhiệt động học, phƣơng trình thủy tĩnh và
phƣơng trình ẩm [29]. Về điều kiện ban đầu và điều kiện biên, mô hình khí hậu khu
vực RegCM đƣợc xây dựng dựa trên nguyên tắc cân bằng giữa các quá trình

23


qui mô lớn (thƣờng là các trƣờng khí tƣợng toàn cầu và đƣợc gọi là các trƣờng
điều khiển), đƣợc cập nhật thƣờng xuyên theo thời gian trên vùng biên, với các quá
trình qui mô khu vực (đƣợc xác định bởi động lực học và vật lý của chính mô hình

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,
nhƣng thƣờng không chênh lệch nhiều trên toàn cầu.
CAM (Community Atmosphere Model) là thành phần khí quyển trong mô
hình hệ thống khí hậu CCSM (Community Climate System Model) trong đó kết
hợp mô hình khí quyển với mô hình bề mặt đất CLM (Community Land Model).
CAM-SOM là hệ thống kết hợp (couple) giữa CAM và SOM, là một
AOGCM đơn giản sẽ đƣợc ứng dụng trong luận văn này. Sau đây sẽ trình bày tóm
tắt hai thành phần của hệ thống CAM-SOM.



Mô hình CAM 3.0

Trung tâm Quốc gia Nghiên cứu Khí quyển Hoa Kỳ (NCAR) đã phát triển
mô hình khí quyển toàn cầu ba chiều nghiên cứu và tìm hiểu khí hậu Trái đất trong
nhiều năm. Mô hình đƣợc thiết kế để làm một công cụ của cộng đồng nên có tên là
Mô hình Khí hậu Cộng đồng (CCM - Community Climate Model). Phiên bản gốc
của Mô hình Khí hậu Cộng đồng NCAR là CCM0A [39] và CCM0B [40], đƣợc
dựa trên mô hình phổ của Australia [33], [34] và một phiên bản của mô hình phổ
ECMWF [6]. Trải qua thế hệ thứ hai của Mô hình Cộng đồng, CCM1, đƣợc ban
hành năm 1987 [41], [7], [42], thế hệ thứ 3 của Mô hình Khí hậu Cộng đồng ra đời
vào tháng 10 năm 1992 [8], [22] và đến CCM3 là thế hệ thứ tƣ của Mô hình Khí
hậu Cộng đồng NCAR [26]. Hiện nay, CAM 3.0 đã là thế hệ thứ 5 của mô hình khí