Luận án Nghiên cứu khả năng mô phỏng mùa các yếu tố khí tượng trên lãnh thổ Việt Nam bằng phương pháp thủy động và thống kê

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN HỒ THỊ MINH HÀ NGHIÊN CỨU KHẢ NĂNG MÔ PHỎNG MÙA CÁC YẾU TỐ KHÍ TƯỢNG TRÊN LÃNH THỔ VIỆT NAM BẰNG PHƯƠNG PHÁP THỦY ĐỘNG VÀ THỐNG KÊ LUẬN ÁN TIẾN SĨ KHÍ TƯỢNG HỌC HÀ NỘI - 2008 2 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN ------ ------ HỒ THỊ MINH HÀ NGHIÊN CỨU KHẢ NĂNG MÔ PHỎNG MÙA CÁC YẾU TỐ KHÍ TƯỢNG TRÊN LÃNH THỔ VIỆT NAM BẰNG PHƯƠNG PHÁP THỦY ĐỘNG VÀ THỐNG KÊ Chuyên ngành: Khí tượng học Mã số: 62.44.87.01 LUẬN ÁN TIẾN SĨ KHÍ TƯỢNG HỌC NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. PGS. TS. Nguyễn Hướng Điền 2. GS. TS. Nguyễn Văn Hữu HÀ NỘI - 2008 1 Lời cam đoan Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả trình bày trong luận án là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Tác giả luận án Hồ Thị Minh Hà 2 Lời cảm ơn Luận án được hoàn thành tại Khoa Khí tượng-Thủy văn-Hải dương học, Trường Đại học Khoa học Tự Nhiên, Hà Nội dưới sự hướng dẫn khoa học của PGS. TS. Nguyễn Hướng Điền, Khoa Khí tượng-Thủy văn-Hải dương học và GS. TS. Nguyễn Văn Hữu, Khoa Toán-Cơ-Tin học, Trường Đại học Khoa học Tự Nhiên, Hà Nội. Tác giả xin bày tỏ lòng biết ơn chân thành tới hai nhà khoa học đã hết lòng động viên, tận tình giúp đỡ và quan tâm tới từng bước nghiên cứu của luận án. Để thực hiện luận án, tác giả đã được giúp đỡ về thời gian và điều kiện nghiên cứu thuận lợi từ Ban Chủ nhiệm Khoa Khí tượng-Thủy văn-Hải dương học và Bộ môn Khí tượng, nơi tác giả được hỗ trợ về trang thiết bị tính toán và lưu trữ số liệu. Tác giả xin bày tỏ lòng biết ơn sâu sắc đến PGS. TSKH. Kiều Thị Xin đã chỉ dẫn những bước đi đầu tiên của tác giả đến với bài toán mô hình hóa khí hậu khu vực - vấn đề khoa học còn mới mẻ trong nước và tạo điều kiện cho tác giả tham gia đề tài khoa học để phát triển năng lực nghiên cứu. Lời tri ân tác giả muốn gửi tới các nhà khoa học GS. TS. Trần Tân Tiến, PGS. TS. Phan Văn Tân, GS. TSKH. Nguyễn Đức Ngữ, PGS. TS. Hoàng Xuân Cơ, PGS. TS. Nguyễn Văn Tuyên, PGS. TS. Phạm Văn Huấn, PGS. TS. Phạm Vũ Anh, TSKH. Nguyễn Duy Chinh, PGS. Nguyễn Đăng Quế, thầy Trần Công Minh, TS. Nguyễn Văn Thắng, TS. Hoàng Đức Cường, Ths. Vũ Thanh Hằng và một số nhà khoa học khác đã góp ý chân tình và xây dựng về những nội dung nghiên cứu của luận án. Thành công của luận án đạt được cũng là nhờ sự giúp đỡ về số liệu cũng như hướng dẫn sử dụng hệ thống máy tính và đồ họa của các đồng nghiệp trong Bộ môn Khí tượng và sự đóng góp ý kiến nhiệt tình của Chi Đoàn cán bộ Khoa Khí tượng-Thủy văn-Hải dương học. Tác giả xin cám ơn tất cả bạn bè và đồng nghiệp. Tác giả sẽ không bao giờ quên sự quan tâm, chăm sóc, sẻ chia buồn vui và giúp đỡ qua bao khó khăn của người bạn đời. Lòng biết ơn sâu nặng nhất của tác giả xin gửi về cha mẹ, những người đã ban cho tác giả cuộc sống, dưỡng nuôi suốt thời thơ ấu và định hướng khoa học là con đường theo đuổi suốt đời của tác giả. Tác giả 3 Mục lục Lời cam đoan .............................................................................................................. 1 Lời cảm ơn ..................................................................................................................2 Mục lục........................................................................................................................3 Danh mục các ký hiệu và chữ viết tắt .........................................................................5 Danh mục hình ảnh .....................................................................................................7 Danh mục các bảng ...................................................................................................13 Mở đầu ......................................................................................................................15 Chương 1 CÁC NGHIÊN CỨU VỀ DỰ BÁO KHÍ HẬU KHU VỰC BẰNG MÔ HÌNH SỐ TRỊ...............................................................................................18 1.1. Tình hình nghiên cứu trên thế giới 21 1.1.1. Tại sao cần dự báo khí hậu khu vực bằng mô hình RCM? ....................21 1.1.2. Những nghiên cứu ứng dụng RCM vào dự báo khí hậu khu vực ..........26 1.2. Tình hình nghiên cứu trong nước 32 1.3. Những nghiên cứu về thống kê hiệu chỉnh sản phẩm mô hình số 35 Chương 2 PHƯƠNG PHÁP MÔ HÌNH HÓA KHÍ HẬU KHU VỰC VÀ PHƯƠNG PHÁP THỐNG KÊ SẢN PHẨM MÔ HÌNH SỐ (MOS) .................38 2.1. Phương pháp mô hình hóa khí hậu khu vực ứng dụng vào mô hình RegCM3 39 2.1.1. Động lực học ..........................................................................................39 2.1.2. Các thành phần vật lý trong RegCM3....................................................45 2.2. Phương pháp thống kê sản phẩm mô hình số 66 2.2.1. Các phương pháp đánh giá thống kê mô hình khí hậu...........................66 2.2.2. Phương pháp luyện mạng thần kinh nhân tạo ANN ..............................70 2.3. Nguồn số liệu sử dụng 74 4 Chương 3 KẾT QUẢ MÔ PHỎNG CÁC TRƯỜNG KHÍ TƯỢNG TRÊN KHU VỰC ĐÔNG NAM Á BẰNG MÔ HÌNH KHÍ HẬU KHU VỰC RegCM3...............................................................................................................77 3.1. Thời tiết, khí hậu khu vực ĐNA trong thập kỷ cuối thế kỷ XX 77 3.2. Hoàn lưu, nhiệt độ, độ ẩm và lượng mưa của RegCM3 78 3.2.1. Cấu hình động lực ..................................................................................78 3.2.2. Lựa chọn sơ đồ tham số hóa vật lý.........................................................85 3.2.3. Kết quả mô phỏng 10 năm của RegCM3 với bộ tham số tối ưu............99 Chương 4 CẢI THIỆN KẾT QUẢ MÔ PHỎNG NHIỆT ĐỘ VÀ LƯỢNG MƯA CỦA MÔ HÌNH RegCM3 BẰNG SƠ ĐỒ THAM SỐ HÓA ĐỐI LƯU MỚI VÀ BẰNG PHƯƠNG PHÁP HIỆU CHỈNH THỐNG KÊ ............107 4.1. Cải tiến RegCM3 bằng sơ đồ tham số hóa đối lưu mới 107 4.1.1. Lý do chọn lựa sơ đồ tham số hóa đối lưu Tiedtke ..............................107 4.1.2. Mô hình RegCM3 với sơ đồ đối lưu mới Tiedtke................................109 4.1.3. Đánh giá thống kê.................................................................................117 4.2. Cải thiện kết quả mô phỏng nhiệt độ và lượng mưa của RegCM3 nhờ hiệu chỉnh bằng ANN 126 4.2.1. Lý do chọn phương pháp hiệu chỉnh bằng ANN .................................126 4.2.2. Các kết quả sau khi hiệu chỉnh.............................................................130 KẾT LUẬN.............................................................................................................140 TÀI LIỆU THAM KHẢO.......................................................................................143 PHỤ LỤC 5 Danh mục các ký hiệu và chữ viết tắt Acc Accuracy – Độ chính xác AGCM Atmosphere Global Climate Model – Mô hình khí hậu toàn cầu nhánh khí quyển ANN Artificial Neural Network - Mạng thần kinh nhân tạo. AS Arakawa-Schubert – Tên sơ đồ tham số hóa đối lưu BATS Bio-Atmospheric Transfer Scheme - Sơ đồ tương tác khí quyển - bề mặt BTBộ Bắc Trung Bộ BMJ Betts-Miller-Janjic – Tên sơ đồ tham số hóa đối lưu CCM Community Climate Model – Mô hình Khí hậu cộng đồng CGCM Couple Global Climate Model – Mô hình khí hậu toàn cầu phối hợp CRU Climatic Research Units – Trung tâm nghiên cứu khí hậu (Anh) DBKH Dự báo khí hậu DBKHKV Dự báo khí hậu khu vực ĐNA Đông Nam Á ĐBB Đông Bắc Bộ ĐBBB Đồng bằng Bắc Bộ ECHAM4 Mô hình khí hậu toàn cầu thuộc Viện Max Planck (Đức) ECMWF European Center for Medium Range Weather Forecasts - Trung tâm dự báo thời tiết hạn vừa Châu Âu. ENSO El Nino-Southern Oscillation – El Nino-Dao động Nam EOF Empirical Orthogonal Function – Hàm trực giao kinh nghiệm ERA40 Số liệu tái phân tích kết hợp sản phẩm mô hình số của ECMWF FC Fritsch-Chappell – Tên sơ đồ tham số hóa đối lưu GAB Grell_AS + Bats GCM Global Climate Model – Mô hình khí hậu toàn cầu GCM Global Circulation Model – Mô hình hoàn lưu chung khí quyển HK Biệt thức Hanssen và Kuipers HQTT Hồi quy tuyến tính HRM High Resolution Model - Mô hình (dự báo thời tiết) độ phân giải cao 6 HSS Heidke Skill Score – Chỉ số kỹ năng Heidke HSTQ Hệ số tương quan ICTP International Centre for Theoretical Physics – Trung tâm quốc tế nghiên cứu vật lý lý thuyết (Ý) ITCZ Internal Tropical Convection Zone – Dải hội tụ nội nhiệt đới IPCC Integovernmental Panel on Climate Change - Nhóm nghiên cứu đa chính phủ về biến đổi khí hậu MM5 Mesoscale Model 5 – Mô hình quy mô vừa thế hệ thứ 5 MOS Model Output Statistics – Thống kê sản phẩm mô hình NTrBộ Nam Trung Bộ NCAR National Center for Atmospheric Research (USA) – Trung tâm quốc gia nghiên cứu khí quyển (Mỹ). NCEP National Center for Environmental Prediction – Trung tâm Quốc gia về Dự báo Môi trường (Mỹ) NOAA National Oceanographical and Atmospheric Administration – Cơ quan quản lý Khí quyển – Đại dương (Mỹ) LAM Limited Area Model – Mô hình khu vực hạn chế LBC Lateral Boundary Condition – Điều kiện biên xung quanh PBL Planetary Boundary Layer – Lớp biên hành tinh PCA Principal Component Analysis – Phân tích thành phần chính PSU Pennsynavia States University – Đại học bang Pennsynavia RegCM Regional Climate Model – Mô hình khí hậu khu vực của NCAR RCM Regional Climate Model – Mô hình khí hậu khu vực SST Sea surface temperature - nhiệt độ nước biển bề mặt TBD Thái Bình Dương TBNN Trung bình nhiều năm TieB Tiedtke + Bats TieZ Tiedtke + Zeng TrTrBộ Trung Trung Bộ XTNĐ Xoáy thuận nhiệt đới V.Bắc Việt Bắc vcs. và cộng sự 7 Danh mục hình ảnh Hình 1.1: Phân vùng gió mùa của S.P.Khromov (1957). Phần giới hạn trong hình chữ nhật tô đậm là khu vực gió mùa ĐNA theo số liệu của Ramage (1971); .........................................................................................19 Hình 1.2: Sai số hệ thống của nhiệt độ không khí bề mặt (oC) và giáng thủy (%) trong giai đoạn 1961-1990 của các thử nghiệm sử dụng mô hình AOGCM của CSIRO Mk2, CCSR/NIES, ECHAM/OPYC, CGCM1 (tổ hợp 3 thành phần) và HadCM2 (4 thành phần). .................................22 Hình 1.3: Dòng chảy mùa hè ở Thụy Điển, (a) tính toán từ mô hình thủy văn, sử dụng quan trắc mưa và dòng chảy tại trạm [Raab và Vedin, 1995]; (b) mô phỏng của GCM; (c) mô phỏng của RCM độ phân giải 55km; (d) mô phỏng của RCM độ phân giải 18km. Đơn vị dòng chảy mặt là mm. (Trích dẫn từ Christensen vcs., 1998)............................25 Hình 1.4: RCM có thể dự báo được các đặc trưng hoàn lưu vốn không giải được bởi GCM. Ví dụ trong trường hợp dự báo xoáy thuận nhiệt đới [Giorgi, 2006]. ...........................................................................................26 Hình 1.5: Khả năng mô phỏng lượng mưa và nhiệt độ khu vực Tây Á của RegCM3 trung bình trong thời kỳ từ 1987-2000 [Giorgi, 2006]. .............29 Hình 1.6: Khả năng mô phỏng lượng mưa và nhiệt độ khu vực Đông Á của RegCM3 trung bình trong thời kỳ từ 1987-2000 [Giorgi, 2006]. .............29 Hình 2.1: Các quy mô không gian của mô hình khí hậu [Giorgi, 2006]...................38 Hình 2.2: Lưới ngang dạng xen kẽ dạng B - Arakawa - Lamb của mô hình RegCM3 [Elguindi vcs., 2003]..................................................................40 Hình 2.3: Lồng ghép mô hình RCM vào GCM bằng phương pháp động lực. ..........41 Hình 2.4: Mô hình mây đối lưu một chiều ổn định trong sơ đồ Grell [Grell, 1993]..........................................................................................................49 Hình 2.5: Mô hình mây đối lưu sâu [Tiedtke,1989]..................................................56 8 Hình 2.6: Dự báo cho địa phương bằng phương pháp thống kê sản phẩm của GCM hoặc RCM. .......................................................................................70 Hình 2.7: Cấu trúc của mạng thần kinh sinh học (trên) và cấu trúc ANN (dưới). ........................................................................................................71 Hình 2.8: Mặt lỗi là hàm của các trọng số. Điểm dốc nhất trên mặt lỗi là nơi sai số tổng cộng nhỏ nhất..........................................................................72 Hình 2.9: Các dạng hàm truyền cơ bản của ANN, (a) hàm Log-sigma, (b) tan- sigma, (c) tuyến tính [Demuth vcs., 2000]. ..............................................72 Hình 2.10: Mạng thần kinh 3 lớp theo phương pháp Levenberg-Marquardt. ..........73 Hình 2.11: Dạng vectơ của mạng 3 lớp trong Hình 2.10. ........................................73 Hình 3.1 : Dòng gió mùa chính trong 3 tháng mùa hè (6, 7, 8) ở Châu Á. ..............80 Hình 3.2: Đường dòng và độ ẩm trung bình tháng 8/1996 mực 850mb của (a) ERA40 và (b) RegCM3. Đơn vị độ ẩm là kg/kg. .......................................81 Hình 3.3: Tương tự Hình 3.2b nhưng miền tích phân rộng hơn về phía bắc, hẹp hơn về 3 phía còn lại. .........................................................................82 Hình 3.4: Lượng mưa mô phỏng bởi (a) GCM_300km, (b) RCM_50km, (c) RCM_25km và (d) Quan trắc [Giorgi, 2006]. Đơn vị mm/ngày...............83 Hình 3.5: Lượng mưa trung bình tháng 8 của 3 năm 1996-1998 mô phỏng bởi (a)RegCM3_60km và (b) RegCM3_45km. Đơn vị mm/ngày. ...................84 Hình 3.6: Sai số RMSE của lượng mưa trung bình tháng 6-8/1996-1998 của (a) RegCM3_60km và (b) RegCM3_45km. Đơn vị mm/ngày. ..................84 Hình 3.7: Nhiệt độ tại độ cao 2m trung bình tháng 8/1996 của (a) CRU, (b) Reg+GAS, (c) Reg+GFC và (d) Reg+BMJ. Đơn vị độ C.........................87 Hình 3.8: Lượng mưa trung bình tháng 8/1996 của (a) CRU, (b) Reg+GAS, (c) Reg+GFC và (d) Reg+BMJ. Đơn vị mm/ngày. ...................................88 Hình 3.9: Profile (a) nhiệt độ và (b) độ ẩm trung bình tháng 8/1996 lấy trung bình trong khu vực từ 12-22N, 106-110E của Reg+GFC và của 9 phiên bản này khi lượng mưa đối lưu giảm đi một nửa. Đơn vị nhiệt độ là độ C, đơn vị độ ẩm riêng là kg/kg. ...................................................92 Hình 3.10: Lượng mưa trung bình tháng 8/1996 của (a) Reg+GFC và (b) Reg+GFC khi lượng mưa đối lưu giảm 1 nửa. Đơn vị mm/ngày. ............93 Hình 3.11: Nhiệt độ tại 2m trung bình tháng 8/1996 của (a) Reg+GFC và (b) Reg+GFC khi lượng mưa đối lưu giảm 1 nửa. Đơn vị độ C. ...................93 Hình 3.12: Chuỗi thời gian của CAPE (J/kg), CAPE âm (NCAPE) (J/kg) và lượng mưa quan trắc (mm/ngày). Đường đậm là CAPE, đường chấm, gạch là NCAPE và đường nét đứt là tốc độ mưa. [Xie và Zhang, 2000]. ............................................................................................94 Hình 3.13: Lượng bốc hơi từ đại dương vào khí quyển của (a) Reg+GAB và (b) Reg+GAZ trung bình 6-8/1996. Đơn vị mm/ngày. ..............................97 Hình 3.14: Tương tự Hình 3.13 nhưng là thông lượng hiển nhiệt. Đơn vị W/m2. Vùng màu nhạt (giá trị âm) chỉ nhiệt từ khí quyển và đại dương, vùng màu sẫm (giá trị dương) chỉ thông lượng nhiệt hướng từ đại dương vào khí quyển. ................................................................................98 Hình 3.15: Nhiệt độ tại 2m trung bình tháng 8/1996 của (a) Reg+GAB và (b)Reg+GAZ. Đơn vị độ C. .......................................................................99 Hình 3.16: Áp suất mực biển trung bình 3 tháng 6-8/1991-2000 của (a) ERA40 và (b) Reg+GAB. Đơn vị mb. ..................................................................100 Hình 3.17: Lượng mưa trung bình mùa hè trong 10 năm của (a) CRU và (b) Reg+GAB. Đơn vị mm/ngày....................................................................100 Hình 3.18: Hiệu nhiệt độ 2m trung bình mùa hè trong 10 năm (91-00) giữa Reg+GAB và CRU. Đơn vị độ C. ............................................................102 Hình 3.19: Sai số RMSE của nhiệt độ tại 2m trung bình tháng 6-8 của 10 năm (91-00) của Reg+GAB so với CRU. Đơn vị độ C. ..................................102 10 Hình 3.20: Lát cắt thời gian - độ cao của hiệu (a) nhiệt độ và (b) độ ẩm của phiên bản Reg+GAB so với ERA40 trong 10 năm, từ 1991-2000. Đơn vị nhiệt độ là độ C, đơn vị độ ẩm g/kg. ...........................................103 Hình 3.21: Sai số RMSE của lượng mưa trung bình tháng 6-8 của 10 năm (91- 00) của Reg+GAB so với CRU. Đơn vị mm/ngày. ..................................104 Hình 4.1: Tương tự Hình 3.16 nhưng là phiên bản Reg+TieB. ..............................110 Hình 4.2: Tương tự Hình 3.20a nhưng là phiên bản Reg+TieB. Đơn vị độ C. ......111 Hình 4.3: Hiệu nhiệt độ tại 2m trung bình 30 tháng của Reg+TieB so với CRU. Đơn vị độ C. Màu sẫm chỉ sai số âm lớn. .....................................111 Hình 4.4: Sai số RMSE của nhiệt độ tại 2m trung bình tháng 6-8 của 10 năm (91-00) của Reg+TieB so với CRU. Đơn vị độ C. ..................................112 Hình 4.5: Profile độ ẩm trung bình tháng 8 của các năm (a) 1998 (ẩm nhiều), (b) 1992 (ẩm trung bình) và (c) 1993 (ẩm ít). Đơn vị kg/kg. ..................113 Hình 4.6: Đường dòng và độ ẩm mực 850mb trung bình tháng 6-8/91-00 của (a) ERA40, (b) Reg+GAB và (c) Reg+TieB. Đơn vị độ ẩm kg/kg. .........113 Hình 4.7: Tương tự Hình 3.20b nhưng là phiên bản Reg+TieB. Đơn vị g/kg. .......114 Hình 4.8: Lượng mưa ngày tổng cộng trung bình tháng 6/1996 của (a) CRU và lượng mưa đối lưu của (b) Reg+GAB và (c) Reg+TieB. Đơn vị mm/ngày. .................................................................................................115 Hình 4.9: Lượng mưa trung bình tháng 8/1997 (năm ít mưa) của (a) CRU, (b) Reg+GAB và (c) Reg+TieB. Đơn vị mm/ngày. .......................................115 Hình 4.10: Lượng mưa trung bình tháng 8/1998 (năm mưa nhiều) của (a) CRU, (b) Reg+GAB và (c) Reg+TieB. Đơn vị mm/ngày. .......................115 Hình 4.11: Dị thường nhiệt độ trung bình tháng của 3 tháng trong 10 năm so với trung bình 10 năm của mỗi chuỗi. Đơn vị độ C. ...............................118 Hình 4.12: PCA đầu tiên của nhiệt độ trung bình tháng của 3 tháng trong 10 năm. Đơn vị độ C.....................................................................................118 11 Hình 4.13: Nhiệt độ trung bình 30 tháng mùa hè của các khu vực trên Việt Nam. Đơn vị độ C. Ghi chú: Theo phân vùng khí hậu của Phạm Ngọc Toàn, Phan Tất Đắc, (1997), Việt Nam được phân chia thành 10 khu vực khí hậu nhưng do ít số liệu và một số khu vực có khí hậu tương đối giống nhau trong mùa gió mùa mùa hè nên ghép thành 5 khu vực.....................................................................................................119 Hình 4.14: (a) HSTQ và (b) RMSE của nhiệt độ trung bình tháng của 3 tháng trong 10 năm giữa mô hình và quan trắc, đánh giá cho từng khu vực trên Việt Nam. Đơn vị RMSE là độ C......................................................120 Hình 4.15: Chuỗi thời gian nhiệt độ tối cao trung bình các tháng 6-8 của 10 năm. Đơn vị độ C.....................................................................................121 Hình 4.16: Dị thường nhiệt độ tối cao trung bình các tháng 6-8 của 10 năm so với trung bình 10 năm của mỗi chuỗi. Đơn vị độ C. ...............................121 Hình 4.17: Lượng mưa trung bình tháng 6-8/1991-2000 của (a) CRU, (b) Reg+GAB, (c) Reg+TieB, (d) Reg+TieZ và (e) Reg+Tổ hợp. Đơn vị mm/ngày. .................................................................................................123 Hình 4.18: Dị thường lượng mưa trung bình các tháng mùa hè của 10 năm (1991-2000) so với trung bình 10 năm của quan trắc, tính trên toàn Việt Nam. Đơn vị mm/ngày. ....................................................................124 Hình 4.19: (a) HSTQ và (b) RMSE của lượng mưa trung bình tháng của 3 tháng trong 10 năm giữa mô hình và quan trắc, đánh giá cho từng khu vực trên Việt Nam. Đơn vị RMSE là mm/ngày. ................................125 Hình 4.20: Phân bố độ lệch (ME) của (a) nhiệt độ và (b) lượng mưa trung bình tháng giữa mô hình và quan trắc trong các tháng mùa hè (6-8) của 10 năm (91-00) của Reg+GAB. Đơn vị nhiệt độ là độ C, lượng mưa mm/ngày. .........................................................................................126 12 Hình 4.21: Biểu đồ tụ điểm của nhiệt độ quan trắc và mô hình trên toàn Việt Nam của (a) phiên bản Reg+GAB, (b) phiên bản Reg+TieB, đơn vị độ C. ........................................................................................................127 Hình 4.22: Chuỗi thời gian của độ lệch (ME) giữa (a) nhiệt độ và (b) lượng mưa trung bình tháng của mô hình và quan trắc trong các tháng mùa hè (6-8) của 10 năm (1991-2000) tính trên toàn Việt Nam. Đơn vị nhiệt độ là độ C, lượng mưa mm/ngày. ...............................................128 Hình 4.23: Phân bố độ lệch (ME) của nhiệt độ trung bình tháng giữa mô hình và quan trắc trong các tháng mùa hè (6-8) của 10 năm (91-00) của Reg+GAB trên khu vực (a) Tây Bắc+Việt Bắc và (b) Tây Nguyên. .......128 Hình 4.24: Phân bố độ lệch (ME) của lượng mưa trung bình tháng giữa mô hình và quan trắc trong các tháng mùa hè (6-8) của 10 năm (1991- 2000) của Reg+GAB trên khu vực (a) ĐBB+ĐBBB+BTB và (b) TrBộ+NTrBộ. Đơn vị mm/ngày...............................................................129 Hình 4.25 : Biểu đồ tụ điểm nhiệt độ sau khi hiệu chỉnh bằng ANN trên toàn Việt Nam của các tháng mùa hè (6-8) của 10 năm (1991-2000). Đơn vị độ C......................................................................................................130 Hình 4.26: Nhiệt độ trung bình 18 tháng của 6 năm số liệu phụ thuộc (1992, 1993, 1994, 1997, 1999, 2000) của (a) Quan trắc, (b) Reg+TieB và (c) Reg+ANN. Đơn vị độ C. ....................................................................131 Hình 4.27: Tương tự Hình 4.26 nhưng của 4 năm số liệu độc lập (1991,1995,1996,1998). ..........................................................................131 Hình 4.28: Chuỗi thời gian của nhiệt độ trung bình tháng của (a) Việt Nam và (b) Tây Bắc+Việt Bắc trong 6 năm, số liệu phụ thuộc. Đơn vị độ C. .....132 Hình 4.29: Chuỗi thời gian của nhiệt độ của (a) Việt Nam, (b) Tây Nguyên và (c) Tây Bắc và Việt Bắc trong 4 năm số liệu độc lập sau khi hiệu chỉnh bằng ANN. Đơn vị độ C.................................................................133 13 Hình 4.30: (a) HSTQ và (b) RMSE của nhiệt độ trung bình tháng của 3 tháng trong 4 năm số liệu độc lập (98, 96, 91, 95) giữa mô hình và quan trắc, đánh giá cho từng khu vực trên Việt Nam. Đơn vị RMSE là độ C. .............................................................................................................135 Hình 4.31: Lượng mưa trung bình tháng của 6 năm số liệu phụ thuộc của (a) Quan trắc, (b) Reg+GAB, (c) Reg+Tổ hợp và (d) Reg+ANN. Đơn vị mm/ngày. .................................................................................................136 Hình 4.32: Tương tự Hình 4.31 nhưng của 4 năm số liệu độc lập (1991,1995,1996,1998). ..........................................................................136 Hình 4.33: (a) HSTQ và (b) RMSE của lượng mưa trung bình tháng của 3 tháng trong 4 năm số liệu độc lập (1991, 1995, 1996,1998) giữa mô hình và quan trắc, đánh giá cho từng khu vực trên Việt Nam. Đơn vị RMSE là mm/ngày. ..................................................................................137 Danh mục các bảng Bảng 2.1: Bảng ngẫu nhiên .......................................................................................68 Bảng 2.2: Bảng các chỉ số đánh giá dự báo phân đôi ..............................................68 Bảng 2.3: Bảng ngẫu nhiên đối với dự báo đa nhóm................................................69 Bảng 2.4: Bảng các chỉ số đánh giá dự báo đa nhóm ..............................................69 Bảng 2.5: Bảng các chỉ số đánh giá dự báo biến liên tục.........................................70 Bảng 3.1: Các kỳ El Nino và La Nina trong thế kỷ XX. ............................................78 Bảng 3.2: Các đợt ENSO trong thập kỷ của cuối thế kỷ XX [Nguyễn Đức Ngữ, 2007; Trenberth, 1997]..............................................................................78 Bảng 3.3: Cấu hình động lực trong RegCM3. ..........................................................79 Bảng 3.4: Các sơ đồ vật lý biểu diễn trong RegCM3. ..............................................85 Bảng 3.5: Ký hiệu các phiên bản mô hình RegCM3 với các tùy chọn sơ đồ tham số hóa đối lưu. ..................................................................................86 14 Bảng 3.6: Các phiên bản của RegCM3 với các tùy chọn sơ đồ thông lượng đại dương – khí quyển. ....................................................................................96 Bảng 3.7: Các chỉ số đánh giá nhiệt độ mô phỏng của Reg+GAB so với CRU tính trên toàn khu vực ĐNA. Đơn vị độ C. ..............................................101 Bảng 3.8: Các chỉ số đánh giá lượng mưa trung bình tháng của Reg+GAB so với CRU tính trên toàn khu vực ĐNA. Đơn vị mm/ngày. ........................105 Bảng 4.1: Các chỉ số đánh giá nhiệt độ trung bình tháng của Reg+TieB so với CRU tính trên toàn khu vực ĐNA. Đơn vị độ C. ...............................112 Bảng 4.2: Bảng các chỉ số đánh giá biến liên tục đối với nhiệt độ trung bình tháng của Việt Nam giữa quan trắc và các phiên bản Reg+GAB, Reg+TieB, Reg+TieZ. Đơn vị độ C.........................................................119 Bảng 4.3: Tương tự như Bảng 4.2 nhưng của các khu vực trên Việt Nam. ...........119 Bảng 4.4: Tương tự như Bảng 4.2 nhưng là lượng mưa trung bình tháng và thêm phiên bản Reg+Tổ hợp. Đơn vị mm/ngày. .....................................124 Bảng 4.5 : Tương tự như Bảng 4.4 nhưng của các khu vực trên Việt Nam. ...........124 Bảng 4.6: Bảng các chỉ số đánh giá biến liên tục đối với nhiệt độ trung bình tháng của Việt Nam giữa quan trắc và các phiên bản Reg+GAB, Reg+TieB, Reg+TieZ, 4 năm (98, 96, 91, 95). Đơn vị độ C. ..................133 Bảng 4.7 : Tương tự như Bảng 4.6 nhưng của các khu vực trên Việt Nam. ..........134 Bảng 4.8 : Bảng các chỉ số đánh giá biến liên tục đối với lượng mưa trung bình tháng, từng trạm của Việt Nam giữa quan trắc và các phiên bản Reg+GAB, Reg+TieB, Reg+TieZ, 4 năm (98, 96, 91, 95). Đơn vị mm/ngày...............................................................................................138 Bảng 4.9 : Tương tự như Bảng 4.8 nhưng của các khu vực trên Việt Nam. ...........138 15 Mở đầu Các điều kiện khí hậu vào tháng sau, mùa sau hay năm sau luôn được quan tâm khi con người đề ra những kế hoạch dài hạn trong sản xuất nông, lâm, ngư nghiệp, trong kinh tế, xây dựng, du lịch,… Mức độ thành công của những hoạt động xã hội này phụ thuộc rất nhiều vào việc mùa sau sẽ nóng hay lạnh hơn, mưa nhiều hay ít hơn, hạn hán hay lũ lụt có thể xảy ra do những sản phẩm sản xuất ra có thích hợp với khí hậu khi đó hay không. Như ta đã biết, đây chính là mục đích của bài toán dự báo khí hậu hạn mùa. Đối với khu vực Châu Á, do đặc điểm về địa lý tự nhiên phức tạp, chịu tác động mạnh của gió mùa nên thường xuyên bị ảnh hưởng bởi các hiện tượng thời tiết và khí hậu bất thường. Theo Tổ chức Khí tượng thế giới (WMO), 43% thảm hoạ tự nhiên trên thế giới xảy ra từ năm 1991 đến năm 2000 là ở Châu Á, trong đó có 2035 thảm hoạ về thời tiết làm thiệt hại khoảng 40,35 tỷ đô la. Đặc biệt là vào mùa hè, hệ thống gió mùa tây nam thống trị ở đây mang đến lượng mưa chính, quyết định tình trạng khí hậu hạn hán, lũ lụt hay ổn định cho khu vực. Chính vì vậy, đối với khu vực Châu Á nói chung, Đông Nam Á và Việt Nam nói riêng, dự báo khí hậu hạn mùa nói chung và mùa hè nói riêng càng đặc biệt quan trọng. Các phương pháp thường được sử dụng trong dự báo khí hậu là phương pháp thống kê và phương pháp số trị. Cùng với sự phát triển mạnh mẽ và nhanh chóng của công nghệ máy tính trong một vài thập kỷ gần đây, chúng ta đã có thể xây dựng và phát triển những mô hình số trong dự báo khí hậu. Ưu điểm của các mô hình số so với phương pháp thống kê là nó được xây dựng dựa trên mối quan hệ vật lý thực của các quá trình trong khí quyển. • Tính cấp thiết của đề tài Mô hình số dự báo khí hậu hạn mùa là vấn đề “nóng” hiện nay. Tuy nhiên, mô hình toàn cầu không thể dự báo chi tiết cho khu vực Châu Á do hạn chế về độ phân giải. Vì vậy, xây dựng mô hình khí hậu khu vực phù hợp là mối quan tâm của hầu hết các quốc gia trên châu lục này, trong đó có Việt Nam. Nhưng trước khi đưa một mô hình số vào dự báo khí hậu, cần kiểm tra kỹ năng của mô hình đó thông qua mô phỏng trên số liệu nhiều năm và đánh giá bằng các chỉ số thống kê. Đứng trước yêu cầu cấp thiết đó, chúng tôi đã chọn và thực hiện đề tài: “Nghiên cứu khả năng mô phỏng mùa các yếu tố khí tượng trên lãnh thổ Việt Nam bằng phương pháp 16 thủy động và thống kê”. Trong khuôn khổ luận án, chúng tôi thực hiện mô phỏng hoàn lưu, nhiệt độ, độ ẩm và lượng mưa trung bình tháng thời hạn 3 tháng trong mùa hè trên khu vực Đông Nam Á bằng mô hình khí hậu khu vực RegCM phiên bản 3, sau đó đánh giá và hiệu chỉnh kết quả mô phỏng bằng phương pháp thống kê. • Mục đích của luận án Luận án đặt ra nhằm đạt được các mục đích sau: - Đánh giá được khả năng mô phỏng khí hậu hạn mùa cho khu vực Đông Nam Á và Việt Nam của mô hình khí hậu khu vực RegCM3. - Cải tiến mô hình RegCM3 bằng cách đưa thêm vào một sơ đồ tham số hóa đối lưu mới nhằm nâng cao chất lượng mô phỏng của mô hình. - Xây dựng được phương pháp hiệu chỉnh sản phẩm đầu ra của mô hình bằng công cụ thống kê nhằm chính xác hóa kết quả mô phỏng. • Đối tượng và phạm vi nghiên cứu Nghiên cứu mô phỏng và dự báo khí hậu khu vực bằng mô hình số là một bài toán lớn liên quan đến nhiều khía cạnh khác nhau. Việc thực hiện đầy đủ bài toán này nằm ngoài khuôn khổ luận án này, do đó luận án chỉ giới hạn: - Đối tượng nghiên cứu: Nhiệt độ không khí bề mặt và lượng mưa trung bình tháng trong mùa hè. - Phạm vi nghiên cứu: Đông Nam Á và các vùng biển lân cận, đặc biệt chú trọng đến Việt Nam. • Những đóng góp mới của luận án Trên cơ sở ứng dụng mô hình RegCM3 để mô phỏng hạn mùa các trường khí hậu bề mặt khu vực Việt Nam và Đông Nam Á trong thời kỳ gió mùa mùa hè, tác giả luận án đã nghiên cứu phát triển mô hình này và xây dựng được phương pháp hiệu chỉnh các sản phẩm đầu ra của mô hình. Những đóng góp mới chủ yếu là: - Đã đưa được sơ đồ tham số hoá đối lưu Tiedtke (1989) vào mô hình RegCM3 thành một tùy chọn mới và do đó đã làm tăng chất lượng mô phỏng của mô hình đối với trường nhiệt độ bề mặt. - Đã nghiên cứu và xây dựng được phương pháp hiệu chỉnh các trường nhiệt độ và lượng mưa của mô hình RegCM3 bằng phương pháp mạng thần kinh nhân tạo (ANN). 17 • Ý nghĩa khoa học và thực tiễn + Ý nghĩa khoa học: - Tổng quan được vấn đề dự báo và mô phỏng khí hậu hiện nay và đề ra phương án nghiên cứu mô phỏng khí hậu khu vực Việt Nam bằng mô hình RegCM3 và thống kê. - Đã khảo sát và thử nghiệm các sơ đồ tham số hóa đối lưu Kuo, BMJ, Grell_AS, Grell_FC, Tiedtke, thử nghiệm các sơ đồ tính toán thông lượng đại dương BATS và Zeng và chọn được sơ đồ đối lưu Tiedtke, sơ đồ thông lượng đại dương BATS là tốt nhất để mô phỏng khí hậu khu vực Việt Nam. - Kết hợp kết quả động lực và phương pháp thống kê (mạng thần kinh nhân tạo) để đưa ra kết quả mô phỏng trường nhiệt độ 2m và lượng mưa mùa hè trên lãnh thổ Việt Nam phù hợp với thực tiễn hơn. + Ý nghĩa thực tiễn: Kết quả nghiên cứu của luận án có thể sử dụng trong nghiên cứu và tìm ra một số đặc điểm khí hậu (lượng mưa, nhiệt độ) mùa hè của Việt Nam. • Cấu trúc luận án Ngoài các mục mở đầu, tài liệu tham khảo, phụ lục, v.v. nội dung chính của luận án bao gồm: Chương 1 – Trình bày những nghiên cứu trong nước và ngoài nước về dự báo và mô phỏng khí hậu khu vực hạn mùa bằng phương pháp số; Chương 2 – Phương pháp động lực-thống kê bao gồm (1) mô hình hóa khí hậu khu vực và (2) thống kê hiệu chỉnh sản phẩm mô hình số, và các phương pháp đánh giá; Chương 3 – Các thử nghiệm độ nhạy và kết quả mô phỏng nhiều năm các đặc điểm hoàn lưu, nhiệt độ và mưa trong mùa gió mùa mùa hè trên khu vực ĐNA bằng mô hình RegCM3; Chương 4 – Cải thiện kết quả mô phỏng nhiệt độ bề mặt nhờ cài đặt sơ đồ tham số hóa đối lưu mới và hiệu chỉnh nhiệt độ và lượng mưa của mô hình RegCM3 về gần với thực tế bằng phương pháp ANN và đánh giá kết quả. Kết luận và kiến nghị : Trình bày tóm tắt các kết quả chủ yếu của luận án, những điểm mới đã đạt được; nêu những tồn tại và kiến nghị việc sử dụng kết quả luận án cũng như các vấn đề cần tiếp tục nghiên cứu. 18 Chương 1 CÁC NGHIÊN CỨU VỀ DỰ BÁO KHÍ HẬU KHU VỰC BẰNG MÔ HÌNH SỐ TRỊ Khí hậu được định nghĩa là sự tổng hợp của thời tiết ở một vùng nhất định, được xác định một cách định lượng thông qua giá trị trung bình của các yếu tố khí tượng bao gồm nhiệt độ, lượng mưa, tốc độ và hướng gió, khí áp, mây và độ ẩm,… tại một địa phương vào một tháng hoặc một mùa nào đó. Các giá trị trung bình này có thể biến đổi từ năm này sang năm khác, thập kỷ này sang thập kỷ khác và thế kỷ này sang thế kỷ khác. Trạng thái trung bình của khí quyển trong một thời gian dài phụ thuộc vào sự biến đổi của các yếu tố tương tác với nhau như bức xạ mặt trời, các khối khí, các hệ thống khí áp, hoàn lưu đại dương và địa hình. Dưới tác động tổ hợp của các yếu tố trên, khí hậu trên Trái đất không đồng nhất mà hình thành các khu vực với những điểm đặc trưng khác nhau. Khí hậu khu vực Đông Nam Á là một bộ phận của hệ thống khí hậu toàn cầu, có nhiều đặc điểm hết sức phức tạp, thuộc loại khí hậu rất nóng, ẩm với độ ẩm trung bình khoảng 70-90%, lượng mưa trung bình năm lớn, khoảng 1500-2500mm. Khí hậu ở đây bị chi phối chủ yếu bởi sự hoạt động của gió mùa. Thuật ngữ gió mùa xuất phát từ tiếng Arập là “mausim”, nghĩa là mùa. Theo S.P Khrômov (1957), ''Gió mùa là chế độ dòng khí của hoàn lưu chung khí quyển trên một phạm vi đáng kể của bề mặt Trái Đất, trong đó ở mọi nơi trong khu vực gió mùa, gió thịnh hành chuyển ngược hướng hay gần như ngược hướng từ mùa đông sang mùa hè và từ mùa hè sang mùa đông''. Các khu vực gió mùa trên Trái đất được trình bày trên Hình 1.1, trên đó cho thấy gió mùa Châu Á là một khu vực gió mùa điển hình của thế giới. 19 Hình 1.1: Phân vùng gió mùa của S.P.Khromov (1957). Phần giới hạn trong hình chữ nhật tô đậm là khu vực gió mùa ĐNA theo số liệu của Ramage (1971); 1: Khu vực có xu thế gió mùa; 2: Khu vực gió mùa; 3: Khu vực gió mùa điển hình. Gió mùa Châu Á bao gồm ít nhất 2 hệ thống con là gió mùa Nam Á (hay gió mùa Ấn Độ) và gió mùa Đông Á, hoạt động độc lập với nhau vào cùng một thời gian nhưng có tương tác với nhau [Chen và Jin, 1984; Tao và Chen, 1987]. Trong khi gió mùa Ấn Độ đã được tập trung nghiên cứu từ rất lâu, hệ thống gió mùa Đông Á chỉ mới được quan tâm trong khoảng hai thập kỷ gần đây [Liu vcs., 2005]. Gió mùa Đông Á có thể được chia nhỏ thêm thành gió mùa Đông Nam Á [Lau và Yang, 1997] thịnh hành trên bán đảo Đông Dương, Nam Trung Quốc và biển Đông (Nam Trung Hoa), và gió mùa Bắc Thái Bình Dương [Wang và Wu, 1997] cùng với gió mùa cận nhiệt đới lục địa Đông Á-Nhật Bản. Gió mùa mùa đông ở ĐNA thể hiện ở sự xâm nhập của các khối không khí lạnh cực đới xuống các vĩ độ thấp vào mùa đông thành từng đợt khoảng 5-7 ngày, chủ yếu làm cho thời tiết trở nên lạnh và khô, ít mưa, ngoại trừ những khu vực ven biển, nơi thường xảy ra mưa phùn giá rét vào mùa đông do không khí cực đới biến tính qua biển và trở nên ẩm hơn. Những đợt rét đậm, rét hại và khô hạn trong mùa đông ảnh hưởng rất nhiều đến mùa màng. Tuy nhiên, hoạt động của gió mùa mùa đông khá ổn định và có thể dự báo được do sự xâm nhập lạnh thường gắn liền với hoạt động của áp cao lạnh lục địa. Vì vậy, người ta thường quan tâm nhiều hơn đến gió mùa mùa hè, là hệ thống hoạt động phức tạp gắn liền với các quá trình quy mô 20 vừa và chịu các ảnh hưởng không nhỏ của các quá trình có tính địa phương như địa hình, đường bờ, … gây hậu quả nghiêm trọng đến đời sống con người mỗi khi xảy ra lũ lụt, hạn hán hay nắng nóng, … Hoạt động của gió mùa mùa hè trên khu vực Nam Trung Quốc và biển Đông không chỉ ảnh hưởng đến khí hậu khu vực mà còn ảnh hưởng tới khí hậu các khu vực lân cận, thậm chí là khí hậu toàn cầu thông qua các quá trình trao đổi năng lượng và chu trình thủy văn [Lau và Weng, 2002]. Dự báo khí hậu hạn mùa chủ yếu tập trung vào nhiệt độ trung bình hoặc tổng lượng mưa tháng và/hoặc mùa, đôi khi cả những biến thiên cụ thể như ngày bắt đầu mưa [Ahago, 1992; Briggs and Wilks, 1996] và tần số hoặc quỹ đạo xoáy thuận nhiệt đới [Landman, 2005; Camargo vcs., 2002; Camargo, 2006]. Phương pháp đơn giản nhất để dự báo khí hậu hạn mùa là chỉ dựa trên các quan trắc khí hậu địa phương trong quá khứ và hiện tại. Ban đầu, người ta dự báo bằng cách sử dụng giá trị trung bình khí hậu hoặc xem rằng dị thường khí hậu của một mùa nào đó so với khí hậu nhiều năm sẽ duy trì không đổi trong các mùa sắp tới [Huang vcs., 1996]. Các mô hình thống kê sau này cơ bản cũng được xây dựng dựa trên giả thiết đó. Nghĩa là, có thể sử dụng các giá trị trong quá khứ, hiện tại của các nhân tố dự báo để dự báo trạng thái hoặc sự tiến triển của yếu tố dự báo dựa trên các quan hệ toán học giữa nhân tố và yếu tố dự báo được thành lập từ số liệu quan trắc lịch sử. Với sự phát triển của hệ thống mạng lưới quan trắc toàn cầu có thể đo được nhiệt độ không khí, nhiệt độ mặt nước biển, giáng thủy và một số yếu tố của hoàn lưu khí quyển, các phương pháp dự báo thống kê đã phát triển đáng kể trong suốt thế kỷ XX. Các mô hình hồi quy, bao gồm cả phân tích tương quan Canon, được sử dụng hầu như chủ yếu để dự báo các dị thường khí hậu. Tuy nhiên, do không biểu diễn trực tiếp quan hệ vật lý giữa nhân tố dự báo và yếu tố dự báo mà chỉ là xấp xỉ bằng quan hệ toán học giữa chúng nên các mô hình thống kê không tránh khỏi sai số so với quan trắc thực. Để biểu diễn các quan hệ vật lý giữa các biến, người ta xây dựng các mô hình số dựa trên hệ phương trình đầy đủ của chuyển động khí quyển và giải hệ bằng phương pháp sai phân trên lưới điểm hoặc bằng phương pháp phổ. Những mô hình đầu tiên theo hướng này được gọi là mô hình hoàn lưu chung khí quyển 21 (General Circulation Model − GCM). Nhưng các mô hình số cũng không thoát ly hoàn toàn các giả thiết thống kê. Do độ phân giải tương đối thô của GCM, các quá trình vật lý xảy ra trên các quy mô nhỏ hơn khoảng cách lưới, như đối lưu, bức xạ,… vẫn cần được tham số hóa theo kinh nghiệm. Lợi thế của các mô hình số so với các mô hình thống kê là không đòi hỏi cơ sở dữ liệu làm nhân tố dự báo. Tuy nhiên, để tạo ra dự báo có độ tin cậy, số liệu quan trắc là thiết yếu vừa để thẩm định các mô phỏng hoặc dự báo quá khứ của mô hình, vừa để đánh giá các dự báo nghiệp vụ hiện thời. Hơn nữa, các mô hình số không bị hạn chế bởi sự không ổn định của khí hậu, các cực trị hoặc những hiện tượng bất thường có thể xuất hiện trong khí hậu lịch sử. Tuy nhiên, việc giải mô hình số rất phức tạp và tốn kém. Quan trọng nhất là kỹ năng của các mô hình số biến đổi theo mùa và tùy thuộc từng yếu tố khí tượng trên từng khu vực. Việc lựa chọn sử dụng mô hình số hay mô hình thống kê để dự báo mùa cơ bản phụ thuộc vào mục đích và khả năng của nhà dự báo và người sử dụng. Phương pháp tốt nhất là sử dụng song song cả hai phương pháp số và thống kê [Goddard vcs., 2001]. Sau đây trình bày tình hình nghiên cứu về DBKHKV bằng phương pháp số trị ngoài nước và trong nước. 1.1. Tình hình nghiên cứu trên thế giới 1.1.1. Tại sao cần dự báo khí hậu khu vực bằng mô hình RCM? Về nguyên tắc, có thể sử dụng mô hình hoàn lưu chung khí quyển hay mô hình khí hậu toàn cầu (đều ký hiệu là GCM) để DBKH cho từng khu vực trên toàn cầu. Nhưng độ phân giải của GCM thường khá thô, thường từ 2,5 độ đến 3,7 độ (khoảng vài trăm km) nên không thể biểu diễn đủ chi tiết các đặc trưng khí hậu của khu vực và địa phương như khí hậu gió mùa thống trị, địa hình và hệ sinh thái phức tạp, đặc biệt là tác động mạnh mẽ của con người. Trong dự án nghiên cứu DBKH của Giorgi và Hewitson [Christensen vcs., 2007] tại IPCC, một tổ hợp 21 mô hình GCM được xây dựng để mô phỏng khí hậu toàn cầu đã chỉ ra rằng sai số nhiệt độ và 22 lượng mưa trung bình trên từng khu vực so với quan trắc thể hiện một cách có hệ thống (Hình 1.2). Nhiệt độ mô phỏng thấp hơn còn giáng thủy lại mạnh hơn so với thực tế trên tất cả các khu vực trong hầu hết các mùa. Đối với hầu hết các khu vực, sai số nhiệt độ của từng mô hình riêng lẻ thường biến đổi từ 6 đến 7oC, ngoại trừ trên khu vực Đông Nam Á sai số này giảm còn 3,6oC. Sai số lượng mưa ở Đông Nam Á, Nam Á và Trung Á thấp hơn -10%, sai số lớn hơn ở Bắc Á và Đông Á, khoảng +23% và rất lớn ở cao nguyên Tây Tạng (+110%). Cần lưu ý là ở đây sai số là độ lệch giữa nhiệt độ hoặc lượng mưa trung bình trên toàn khu vực của mô hình và số liệu tái phân tích, trong khi đó độ phân giải của GCM thô nên có rất ít các nút lưới trong mỗi khu vực dẫn đến làm trơn các trường và sai số không lớn. Nếu xét ở quy mô địa phương hơn thì sai số sẽ lớn hơn. Hình 1.2: Sai số hệ thống của nhiệt độ không khí bề mặt (oC) và giáng thủy (%) trong giai đoạn 1961-1990 của các thử nghiệm sử dụng mô hình AOGCM của CSIRO Mk2, CCSR/NIES, ECHAM/OPYC, CGCM1 (tổ hợp 3 thành phần) và HadCM2 (4 thành phần). Số liệu quan trắc từ New vcs. (1999a, b). (Trích dẫn từ Giorgi và Francisco, 2000). 23 Mặc dù sản phẩm của GCM không đủ chi tiết và chính xác đối với DBKH khu vực nhưng có thể được sử dụng làm đầu vào cho các mô hình khí hậu khu vực. Do đó, trong thập kỷ 90 của thế kỷ XX, các mô hình khu vực hạn chế (LAM) đã được áp dụng vào nghiên cứu khí hậu khu vực thông qua kỹ thuật “lồng ghép” một chiều [Giorgi và Mearns, 1991; McGregor, 1997] trong đó các điều kiện ban đầu và điều kiện biên xung quanh (LBC) cần để chạy LAM được cung cấp bởi số liệu tái phân tích toàn cầu hoặc từ sản phẩm dự báo của GCM [Giorgi và Bi, 2000]. Khi được sử dụng để DBKH, LAM thường chỉ các mô hình khí hậu khu vực. Theo tài liệu của Marshall và Henson (1997), vào cuối những năm 1980, Filippo Giorgi (Giám đốc Điều hành Trung tâm Vật lý về thời tiết và khí hậu thuộc Chương trình Khoa học của ICTP, Italia) cùng cộng sự đã cho ra đời mô hình RegCM, mô hình kết hợp giữa mô hình khí hậu cộng đồng CCM của NCAR và mô hình quy mô vừa phiên bản 4 (MM4) của NCAR. Bản thân RegCM đã được chứng minh là một công cụ linh hoạt, có thể được dùng để nghiên cứu khí hậu quá khứ, hiện tại và tương lai trên các khu vực khác nhau bao gồm các bang trên lục địa Châu Mỹ, Châu Âu, Châu Phi, Đông Á, Úc và biển Ả Rập. Fillippo nói “Mô hình hóa khí hậu khu vực thực sự là bước đi tiên phong của NCAR. Khi chúng tôi bắt đầu, chưa có ai làm trước đó. Bây giờ, hầu hết các phòng nghiên cứu trên toàn thế giới và rất nhiều viện nghiên cứu nhỏ hơn bao gồm cả các nước đang phát triển đều đang sử dụng nó”. Ngoài RegCM, trên thế giới còn nghiên cứu các mô hình RCM như mô hình REMO (REgional MOdel) được phát triển dựa trên mô hình dự báo thời tiết của Cục thời tiết Đức, mô hình CHRM (Climate High Resolution Model) được phát triển từ mô hình dự báo thời tiết phân giải cao HRM phiên bản 1.6 cũng của Cục thời tiết Đức, mô hình CRCM (Canadian Regional Climate Model) được phát triển ở Canađa, mô hình CMM5 phát triển từ mô hình dự báo thời tiết quy mô vừa MM5, mô hình CWRF có gốc từ mô hình dự báo thời tiết WRF, ... Do phát triển từ mô hình dự báo thời tiết, các mô hình RCM cũng cần điều kiện ban đầu và điều kiện biên xung quanh để tích phân giải hệ phương trình nguyên thủy. Điều kiện ban đầu có thể là tập hợp giá trị các biến tại thời điểm bắt 24 đầu tích phân hoặc giá trị trung bình khí hậu của chúng. Tuy nhiên, sau một thời gian tích phân, điều kiện ban đầu sẽ bị “quên” đi trong khi điều kiện biên xung quanh được cập nhật theo thời gian từng 6 giờ hoặc 3 giờ một thông qua vùng đệm. Chính vì vậy điều kiện biên xung quanh rất quan trọng đối với RCM và người ta thường nói DBKHKV là “bài toán điều kiện biên xung quanh” trong khi điều kiện ban đầu rất quan trọng đối với dự báo thời tiết với hạn dự báo 1-3 ngày nên “dự báo thời tiết là bài toán điều kiện ban đầu”. Tùy theo mục đích mô phỏng hay dự báo khí hậu khu vực mà điều kiện ban đầu và điều kiện biên xung quanh của RCM được cập nhật từ số liệu tái phân tích của quan trắc hay từ dự báo của GCM. Để dự báo khí hậu khu vực cho tương lai, RCM được chạy với điều kiện ban đầu và điều kiện biên là sản phẩm dự báo của các GCM. Khi đó, sai số trong hoàn luu quy mô lớn của GCM sẽ được truyền vào RCM. Điều này đã được trình bày rõ ràng trong nghiên cứu của Noguer vcs. (1998). Tuy nhiên, sai số hệ thống trung bình khu vực vẫn giảm hầu như khoảng 2oC đối với nhiệt độ và 50-60% đối với giáng thủy [Giorgi và Marinucci, 1996b; Noguer vcs., 1998; Jones vcs., 1999 ở Châu Âu; Giorgi vcs., 1998 ở lục địa Châu Mỹ; McGregor vcs., 1998 ở Đông Nam Á; Kato vcs., 2001 ở Đông Á]. Sai số hệ thống giảm có thể là do trường điều kiện biên quy mô lớn tốt hơn hoặc do bản thân vật lý và động lực nội tại của RCM được cải thiện. Trong tất cả các thử nghiệm của Leung vcs. (1999), Laprise vcs. (1998), Christensen vcs. (1998) và Machenhauer vcs. (1998) đều cho thấy rõ rằng phân bố không gian của các trường của RCM đều phù hợp với thực tế hơn GCM vì đã biểu diễn được các tác động địa hình và tương phản đất-biển với độ phân giải cao hơn. Nhưng sai số hệ thống trung bình miền của RCM lồng trong GCM không phải lúc nào cũng nhỏ hơn sai số của bản thân GCM điều khiển nó. Tương tác giữa số liệu điều khiển quy mô lớn và các tác động độ phân giải cao RCM có thể có hiệu ứng âm. Ví dụ như khi tăng độ phân giải có thể biểu diễn địa hình núi cao tốt hơn trong RCM nhưng lại làm tăng cường các điều kiện quá khô và nóng trong mùa hè ở phía đông nam Châu Âu vốn đã không được GCM dự báo chính xác [Machenauer vcs., 1998]. Tuy vậy, thông thường thì RCM sẽ cho sai số hệ thống thấp hơn GCM vì độ 25 phân giải ngang đặc biệt quan trọng, nhất là đối với mô phỏng chu trình thủy văn. Christensen vcs. (1998) chỉ ra rằng chỉ có độ phân giải rất cao biểu diễn dải núi ở Nauy và Thụy Điển mới có thể mô phỏng đủ tốt quá trình thủy văn bề mặt (xem Hình 1.3). Hình 1.3: Dòng chảy mùa hè ở Thụy Điển, (a) tính toán từ mô hình thủy văn, sử dụng quan trắc mưa và dòng chảy tại trạm [Raab và Vedin, 1995]; (b) mô phỏng của GCM; (c) mô phỏng của RCM độ phân giải 55km; (d) mô phỏng của RCM độ phân giải 18km. Đơn vị dòng chảy mặt là mm. (Trích dẫn từ Christensen vcs., 1998). Hiện nay có rất ít dẫn chứng về kỹ năng của RCM được điều khiển bằng GCM. Tại quy mô mùa, diễn biến thời gian và vị trí của các đặc trưng khí hậu khu vực có thể được tái tạo tốt bằng RCM so với GCM [Fu vcs., 1998; Sun vcs., 1999; Bhaskaran vcs., 1998; Hassell và Jones, 1999]. Tại quy mô thời gian ngắn hơn như quy mô ngày, một số nghiên cứu chỉ ra rằng RCM lồng trong GCM có xu hướng mô phỏng quá nhiều sự kiện mưa nhỏ so với số liệu quan trắc [Christensen vcs., 1998; Dai vcs., 1999; Kato vcs., 2001]. Tuy nhiên, RCM tạo ra các sự kiện mưa lớn thực tế hơn so với GCM, đôi khi tái tạo được các cực trị hoàn toàn không có trong GCM [Christensen vcs., 1998; Jones, 1999]. Một phần lý do là RCM phân giải cao hơn không làm cho lượng mưa bị giảm đi khi tính trung bình cho ô lưới rộng như trong GCM. RCM cũng có thể dự báo được các đặc trưng hoàn lưu vốn không giải được bằng GCM (xem Hình 1.4) theo tổng hợp của Giorgi (2006) về kỹ năng của các RCM. Nói tóm lại, việc lồng RCM vào mô hình toàn cầu là cần thiết để dự báo chi tiết hơn và thường là tốt hơn các hiện tượng quy mô khu vực và địa phương. 26 GCM RCM Hình 1.4: RCM có thể dự báo được các đặc trưng hoàn lưu vốn không giải được bởi GCM. Ví dụ trong trường hợp dự báo xoáy thuận nhiệt đới [Giorgi, 2006]. Để mô phỏng khí hậu trong quá khứ trong các nghiên cứu kiểm nghiệm kỹ năng của RCM, điều kiện ban đầu và điều kiện biên xung quanh được lấy từ số liệu tái phân tích các số liệu quan trắc. Khi đó, giả thiết dự báo toàn cầu là “hoàn hảo”. Với điều khiển thực như vậy, động thái của RCM sẽ mô phỏng gần nhất có thể so với trạng thái thực của khí quyển. Do đó, có thể đánh giá được sai số hệ thống chủ yếu do động lực và vật lý nội tại của mô hình. Xem Phụ lục A 1 và Phụ lục A 2 về các mô hình RCM nhận điều kiện ban đầu và điều kiện biên từ số liệu tái phân tích và từ sản phẩm của các GCM. Như đã thấy, rõ ràng là các thử nghiệm dự báo khí hậu ít hơn hẳn so với nghiên cứu mô phỏng khí hậu bởi vì đối với từng khu vực khác nhau, trong các mùa khác nhau, mỗi mô hình RCM đều có điểm mạnh và điểm yếu nhất định nên cần khảo sát chi tiết để chọn được mô hình thích hợp nhất. Những nghiên cứu ứng dụng RCM được trình bày dưới đây đều hướng tới mục đích dự báo khí hậu nhưng hầu hết vẫn là những thử nghiệm mô phỏng khí hậu hạn mùa và nhiều năm. 1.1.2. Những nghiên cứu ứng dụng RCM vào dự báo khí hậu khu vực Hiện tại, các RCM có thể chạy mô phỏng và dự báo nhiều tháng, nhiều mùa thậm chí nhiều năm, không như trước đây vào những năm 1980, LAMs chỉ có thể 27 chạy mô phỏng vài ngày [Giorgi và Mearns, 1999]. Thực sự thì đề xuất ban đầu của Dickinson vcs. (1989) là chỉ sử dụng các tổ hợp mô phỏng hạn 3-5 ngày để mô hình hoá khí hậu. Ngày nay, độ dài ngưỡng điển hình của một mô phỏng khí hậu là 1 tháng và “hạn dài” nghĩa là mô phỏng tháng/mùa đến thập kỷ/nhiều năm. Bằng mô phỏng khí hậu liên tục 20 năm cho khu vực phía tây nước Mỹ, sử dụng mô hình quy mô vừa MM5, độ phân giải 40km, Leung và Ghan (1999) chỉ ra rằng mô hình RCM dựa trên MM5 có khả năng tái tạo giáng thủy của khu vực với sai số hệ thống thường dương trên khu vực đồng bằng và âm trên khu vực núi và sai số hệ thống nhiệt độ dương, thường bằng 3oC, đặc biệt là dọc theo bờ biển tây bắc và các khu vực núi. Khả năng mô phỏng hạn dài của RCM cũng được chứng minh trong nghiên cứu của Jiao vcs. (2006) trong đó tác giả sử dụng mô hình RCM của Canada thế hệ 3 là CRCM để tích phân 5 năm từ 1987-1991 cho khu vực Bắc Mỹ và dành sự quan tâm đặc biệt tới các quá trình tham số hóa vật lý có liên quan đến hơi nước như sơ đồ đối lưu thông lượng khối. Ngoài ra, có thể thấy những nhận xét khả quan về khả năng của RCM trong DBKH khu vực trong nhiều nghiên cứu khác như của Duffy vcs. (2006), Bergant vcs. (2006), Zhu vcs. (2007),… Trong nghiên cứu của Zhu vcs. (2007) khẳng định mô hình khí hậu khu vực CMM5, được xây dựng dựa trên mô hình thế hệ thứ 5 của PSU NCAR MM5, có khả năng mô phỏng biến trình năm của lượng mưa và nhiệt độ bề mặt trên nước Mỹ trong thời gian 20 năm, từ 1982-2002. Phân tích EOF và tương quan Canon chứng minh rằng CCM5 biểu diễn được phân bố không gian, tiến triển theo thời gian và mối liên hệ xa với hoàn lưu tốt hơn nhiều so với số liệu dùng làm đầu vào… Để dự báo khí hậu hạn mùa cho 15 mùa đông và 15 mùa hè khu vực Bắc Mỹ, Fennessy vcs. (2000) đã sử dụng mô hình NCEP ETA, độ phân giải 80km. Kết quả cho thấy mô hình RCM ETA lồng trong mô hình toàn cầu làm giảm sai số hệ thống của lượng mưa mùa so với kết quả của GCM. Một ví dụ khác là RCM với độ phân giải 60km hoặc 10km lồng trong mô hình GCM lưới co giãn (stretched) chạy mô phỏng nhiều năm (1987-1997) cho khu vực nước Mỹ được thực hiện bởi Micheal vcs. (2005). Kết quả phân tích lượng mưa trung bình năm và phương sai cho thấy tổ 28 hợp đã tái tạo được rất nhiều đặc trưng quan trắc của số liệu mưa quan trắc được phân tích về lưới 0.5 x 0.5 độ. Sai số thường gặp trên các khu vực có địa hình phức tạp và nơi có tương phản đất-biển rõ tại các vùng duyên hải. Nhìn chung trong nhiều nghiên cứu tại Mỹ, nơi ra đời và phát triển trong nhiều năm qua, RCM đã được chứng minh là có khả năng mô phỏng và dự báo khí hậu khu vực hạn mùa và nhiều năm mặc dù vẫn gặp phải sai số so với thực tế, tùy thuộc vào từng mô hình, từng khu vực và từng mùa riêng biệt. Do đó, RCM đã được nhiều Trung tâm và Viện nghiên cứu trên toàn thế giới sử dụng để nghiên cứu dự báo gió mùa. Châu Á là khu vực gió mùa điển hình nhất trên thế giới nên các nhà khí hậu học Ấn Độ, Trung Quốc, Hàn Quốc, Nhật Bản, … đã đầu tư nhiều dự án, lập các phòng nghiên cứu để phát triển mô hình RCM cho riêng khu vực của mình. Một trong những nghiên cứu kiểm nghiệm khả năng của RCM trong mô phỏng khí hậu hạn mùa Đông Á là của Liu, Giorgi và Washington (1994). Các tác giả này đã sử dụng mô hình RegCM, gốc từ PSU/NCAR, để thử nghiệm mô phỏng gió mùa mùa hè Đông Á từ tháng 6 đến tháng 8 năm 1990. Hoàn lưu gió mùa, giáng thủy và nhiệt độ mặt đất nhìn chung phù hợp với quan trắc mặc dù mô hình phần nào mô phỏng lạnh và khô hơn. Xu thế này cũng tương tự như các kết quả mô phỏng bởi RegCM trên khu vực khác (Mỹ, Châu Âu, Châu Phi) như đã đề cập ở trên. Hơn nữa, RegCM có thể biểu diễn được các trung tâm mưa lớn và nhiệt độ cực đại địa phương do ảnh hưởng của địa hình, mô phỏng được đường đi của các cơn bão nhiệt đới xuất hiện trong thời gian mô phỏng và độ ẩm đất gần với thực. Small vcs. (1999) cũng cho thấy khả năng mô phỏng trạng thái trung bình và biến đổi năm của giáng thủy trên khu vực Trung Á của RegCM. Đối với gió mùa trên bán đảo Triều Tiên, Im vcs. (2006) đã chạy thử nghiệm RegCM3 để mô phỏng nhiệt độ bề mặt và giáng thủy cho khu vực này. Kết luận rút ra là nhiệt độ mô phỏng có sai số hệ thống âm, đặc biệt trên các khu vực núi trong mùa hè. Lượng mưa mùa hè phụ thuộc chủ yếu vào khả năng mô phỏng những hiện tượng đối lưu mùa hè riêng lẻ và các cơn bão nhiệt đới hơn là tác động của địa hình. 29 (a) Lượng mưa trung bình mùa hè (tháng 6,7,8) của quan trắc (b) Lượng mưa trung bình mùa hè (tháng 6,7,8) của RegCM3 (c) Nhiệt độ bề mặt trung bình mùa hè (tháng 6,7,8) của quan trắc (d) Nhiệt độ bề mặt trung bình mùa hè (tháng 6,7,8) của RegCM3 Hình 1.5: Khả năng mô phỏng lượng mưa và nhiệt độ khu vực Tây Á của RegCM3 trung bình trong thời kỳ từ 1987-2000 [Giorgi, 2006]. (a) Lượng mưa trung bình mùa hè (tháng 6,7,8) của quan trắc (b) Lượng mưa trung bình mùa hè (tháng 6,7,8) của RegCM3 (c) Nhiệt độ bề mặt trung bình mùa hè (tháng 6,7,8) của quan trắc (d) Nhiệt độ bề mặt trung bình mùa hè (tháng 6,7,8) của RegCM3 Hình 1.6: Khả năng mô phỏng lượng mưa và nhiệt độ khu vực Đông Á của RegCM3 trung bình trong thời kỳ từ 1987-2000 [Giorgi, 2006]. 30 Giorgi (2006) đã tổng hợp kết quả và đánh giá khả năng mô phỏng lượng mưa và nhiệt độ của RegCM trên các lục địa Châu Âu, Châu Mỹ, Châu Phi và Châu Á trong thời kỳ từ 1987-2000. Riêng Châu Á, các nghiên cứu thường chia thành khu vực Tây Á và Đông Á và chủ yếu tập trung mô phỏng gió mùa mùa hè. Sơ đồ tham số hóa đối lưu sử dụng trong các nghiên cứu này là sơ đồ Grell (1993) với giả thiết khép kín của Fritsch-Chappell nên giáng thủy mô phỏng thường cao hơn thực tế trong khi nhiệt độ bề mặt của mô hình thấp hơn thực tế (Hình 1.5 và Hình 1.6). Đối với khu vực Tây Á, mở rộng từ 45-107E, 0-45N, RegCM3 có xu hướng tái tạo lượng mưa trung bình mùa hè cao hơn thực tế trên bờ tây và nam Ấn Độ, trên vịnh Bengal, phía nam cao nguyên Tây Tạng và Burma, trong khi lượng mưa mô hình thấp hơn quan trắc ngay trên Ấn Độ Dương xích đạo và bán đảo Đông Dương (Hình 1.5 a và b). RegCM3 không tái tạo tốt nguồn giáng thủy từ Ấn Độ Dương đi lên phía bắc vào vịnh bởi vì gió của RegCM3 có xu hướng vĩ hướng hơn thực tế, đưa nguồn ẩm từ vùng biển Ả Rập vào Ấn Độ và Burma. Nhiệt độ mô phỏng của RegCM3 thường thấp hơn thực tế trên đất liền và cao hơn thực tế trên Ấn Độ Dương (Hình 1.5 c và d). Đối với khu vực Đông Á, mở rộng từ 70-150E, 10-50N, RegCM3 có xu hướng tái tạo nhiệt độ bề mặt trung bình mùa hè tương tự khu vực Tây Á (Hình 1.6 c và d) nhưng lượng mưa mô hình nói chung thường cao hơn thực tế. Việc thu hẹp biên phía tây từ 45E (của miền tính cho khu vực Tây Á) vào 70E (của miền tính cho khu vực Đông Á) đã làm cho giáng thủy giảm trên vịnh Bengal nhưng tăng cường trên bán đảo Đông Dương (Hình 1.6 a và b). Năm 1999, Leung vcs. (1999) đã thử nghiệm RCM với các tham số hóa vật lý khác nhau để tìm hiểu khả năng mô phỏng các sự kiện lũ cực trị trong mùa hè năm 1991 ở Đông Á. Các thành phần động lực của RCM trong các trường hợp thử nghiệm là như nhau, chỉ có sơ đồ tham số hóa mây, sơ đồ bức xạ, vận chuyển rối và các quá trình bề mặt là khác nhau. So sánh các kết quả mô phỏng cho thấy tất cả các trường hợp đều tái tạo tốt các điều kiện sinh lũ mặc dù mỗi trường hợp tái tạo dải mưa quan trắc khác nhau và các thử nghiệm đều cho thấy kết quả mô phỏng nhạy nhất đối với tham số hóa đối lưu. Một số nghiên cứu khác về độ nhạy của RegCM 31 đối với tham số hóa đối lưu trên khu vực ĐNA như Ratnam vcs. (2005), Yang vcs. (2002), Yanju vcs. (2006), ... được xem xét kỹ hơn trong phần lựa chọn sơ đồ tham số hóa đối lưu của chương 3 để tiện theo dõi. Ngoài tham số hóa đối lưu, kết quả mô phỏng của RegCM cũng nhạy đối với biểu diễn các quá trình bề mặt và bức xạ. Francisco (2006) cũng sử dụng mô hình RegCM để thử nghiệm mô phỏng mưa mùa hè ở Phillipines. Các thử nghiệm độ nhạy được thực hiện với số liệu đầu vào khác nhau (NCEP và ERA40) và sơ đồ thông lượng khối qua bề mặt đại dương (BATS và Zeng) được chạy cho 5 mùa hè. Đối chiếu các kết quả với quan trắc thực tế, tác giả kết luận rằng số liệu ban đầu của ERA40 và sơ đồ thông lượng khối đại dương BATS thích hợp hơn cả đối với mô phỏng giáng thủy của Phillipines. Giorgi và Mearns (1999) mô phỏng chu trình mùa của gió mùa mùa hè trên Đông Á và độ nhạy của RegCM đối với quá trình bức xạ và các quá trình bề mặt; Li và Yanai (1996) mô tả rằng biến đổi mùa của gió mùa mùa hè Châu Á rõ ràng có liên quan với biến đổi của tương phản nhiệt giữa lục địa Âu Á với Thái Bình Dương và Ấn Độ Dương. Ueda và Yasunari (1998) chỉ ra rằng tương phản nhiệt giữa cao nguyên Tây Tạng và Ấn Độ Dương xích đạo có lẽ tác động tới sự mở rộng về phía đông của dòng xiết gió mùa mực thấp và sự bùng phát gió mùa Đông Nam Á bao gồm sự khởi đầu của gió mùa trên biển Nam Trung Hoa; Kato vcs. (1999) xem xét khả năng mô phỏng khí hậu tháng 6 và tháng 1 của Đông Á của RegCM với tác động của độ phân giải; Qian và Giorgi (1999) tìm hiểu tương tác giữa mô hình khí hậu khu vực và mô hình sol khí sulfat trên khu vực Đông Á… Như vậy, có thể thấy trong rất nhiều nghiên cứu ở Châu Á về gió mùa mùa hè, hầu hết các tác giả đều ứng dụng nguyên bản mô hình khí hậu khu vực RegCM của NCAR với các thế hệ khác nhau. Sự khác nhau giữa các nghiên cứu chỉ là miền tính, độ phân giải và thay đổi một vài tham số trong các sơ đồ có sẵn của RegCM. Kết luận từ các nghiên cứu đều khẳng định khả năng mô phỏng của RegCM và đề xuất một bộ thông số thích hợp nhất đối với khu vực nghiên cứu, nhưng cũng đều chỉ ra xu hướng mô phỏng nhiệt độ và lượng mưa thấp hơn thực tế. Hiện nay, khi Trái đất có xu thế nóng dần lên và các hiện tượng cực trị thường xuyên xảy ra thì 32 khả năng dự báo của RegCM cần phải được cải thiện. Vì vậy, bài toán DBKHKV đối với Châu Á nói chung và ĐNA vẫn cần nhiều đầu tư nghiên cứu trong tương lai. Đặc biệt, nghiên cứu riêng cho gió mùa ĐNA vẫn là một lĩnh vực còn nhiều mới mẻ, chưa được khai thác nhiều. Như đã thấy, các nghiên cứu ở trên hầu hết là của các nước Đông Á phát triển như Nhật Bản, Hàn Quốc và Trung Quốc. Những nghiên cứu trên khu vực ĐNA rất ít, ví dụ như Phillipines, Indonexia, … và hầu như chỉ tham gia một phần nhỏ trong các Dự án nghiên cứu gió mùa Châu Á. Nhất là Việt Nam, với khí hậu nhiệt đới gió mùa phức tạp vào bậc nhất Châu Á, nhưng cũng mới tiếp cận phương pháp mô hình hóa khí hậu trong khoảng chục năm gần đây và chưa có nghiên cứu ứng dụng nào rõ rệt. Sau đây là một số công trình nghiên cứu về DBKH ở Việt Nam từ trước tới nay. 1.2. Tình hình nghiên cứu trong nước Ở Việt Nam, tại Trung tâm dự báo Khí tượng thủy văn Trung Ương và Viện Khoa học nghiên cứu Khí tượng thủy văn, trong những năm trước đây, hầu hết đều sử dụng phương pháp thống kê để DBKH hạn vừa và hạn dài và các kết quả dự báo chủ yếu là nhiệt độ và lượng mưa cao hơn hay thấp hơn trung bình nhiều năm và xác suất xảy ra. Một số nghiên cứu điển hình là của Nguyễn Duy Chinh (2002, 2003) ứng dụng các mô hình toán thống kê hồi quy bội tuyến tính, hồi quy từng bước và phân tích phân lớp để dự báo nhiệt độ và lượng mưa tháng dựa trên số liệu SST ở các vùng NINO, trên biển Đông và vịnh Bengal, chỉ số dao động nam SOI; tương tự, Lương Văn Việt, (2006) dự báo mưa, nhiệt và ẩm cho khu vực Nam Bộ bằng phương pháp hồi quy từng bước với nhân tố dự báo là các chỉ số giám sát ENSO và các hệ số khai triển trường SST theo đa thức Chebyshev; Nguyễn Văn Thắng vcs., (2001, 2006) ứng dụng các phương pháp thống kê lên số liệu tái phân tích của GCM, sử dụng các bản đồ đường đẳng trị giá trị hệ số tương quan để xác định khu vực và thời gian trễ của các trường nhân tố dự báo sau đó xây dựng hàm hồi quy từng bước để dự báo nhiệt độ, mưa, số lần xuất hiện KKL, nắng nóng; Nguyễn Đức Hậu và Phạm Đức Thi (2002) đã xây dựng mô hình dự báo hạn ở 7 33 vùng Việt Nam từ mối quan hệ giữa nhiệt độ mặt nước biển với chỉ số Sa.I và từ đó Nguyễn Đức Hậu (2007) đã đánh giá khả năng dự báo hạn hán và xây dựng mô hình dự báo hạn hán cho khu vực Nam Trung Bộ và Tây Nguyên; … Phương pháp mô hình hoá mới bắt đầu được quan tâm nghiên cứu ở Việt Nam trong khoảng chục năm trở lại đây trong đó những nghiên cứu điển hình nhất là nghiên cứu của Kiều Thị Xin, Phan Văn Tân (Trường Đại học Khoa học Tự nhiên, ĐHQGHN), Nguyễn Văn Thắng (Viện Khoa học Khí tượng thủy văn và Môi trường),… Thử nghiệm mô phỏng mưa trên lãnh thổ Việt Nam bằng mô hình DBKH khu vực RegCM của Kiều Thị Xin (2002) là một trong những kết quả đầu tiên về mô phỏng khí hậu bằng mô hình số ở Việt Nam. Đề tài trong chương trình NCCB cấp Nhà Nước năm 2004-2005 “Nghiên cứu mô phỏng các hiện tượng khí hậu bất thường hạn mùa trên khu vực Bán đảo Đông Dương – Biển Đông bằng mô hình thủy động” cũng được thực hiện bởi Kiều Thị Xin vcs. (2005). Luận án thạc sỹ của Nguyễn Đăng Quang (2004) về mô phỏng mưa trên khu vực bán đảo Đông Dương và biển Đông là một trong những thành quả khoa học của đề tài này. Phan Văn Tân (2003) đã có những thử nghiệm về độ nhạy của mô hình RegCM2 đối với địa hình và điều kiện mặt đệm trong đề tài nghiên cứu khoa học của ĐHQGHN. Đề tài này cũng đào tạo được một thạc sỹ nghiên cứu về ảnh hưởng của sự bất đồng nhất bề mặt đến các quá trình trao đổi đất-khí quyển khi sử dụng RegCM2 và chỉ ra rằng dòng năng lượng ẩn nhiệt, hiển nhiệt, lượng mưa, cường độ mưa và tỷ lệ giáng thuỷ sinh ra do đối lưu và không đối lưu trong mô hình rất nhạy với những thay đổi mặt đệm [Dư Đức Tiến, 2003]. Viện Khoa học Khí tượng thủy văn và Môi trường cũng đã chạy thử nghiệm mô hình RegCM mô phỏng cho 2 tháng xảy ra lũ lụt lịch sử ở Trung Trung Bộ, Việt Nam là tháng 11 năm 1999 và tháng 10 năm 2003 [Lê Văn Thiện và Nguyễn Văn Thắng, 2004]. So sánh với quan trắc, RegCM có thể mô phỏng được khu vực có lượng mưa lớn ở Trung Trung Bộ nhưng lượng mưa mô phỏng thấp hơn nhiều so với thực tế. Về nhiệt độ, hầu hết các khu vực có nhiệt độ thấp như Tây Bắc Bộ, Tây Nguyên đều được mô phỏng tốt. Tuy nhiên, ở miền Bắc mô hình cho kết quả thấp hơn thực đo; riêng miền Trung và miền Nam thì mô hình 34 cho kết quả sát với thực tế hơn. Ngoài ra, Bộ Tài Nguyên và Môi Trường cũng đã đề ra các nhiệm vụ khoa học công nghệ cấp nhà nước và cấp bộ và triển khai Nghiên cứu biến động khí hậu đồng bằng sông Cửu Long và khả năng dự báo (Viện Khoa học Khí tượng thủy văn và Môi trường, 2005-2006). Một số công trình nhằm thực hiện nhiệm vụ này là của Vũ Thanh Ca (2006), Trần Việt Liễn vcs. (2006), trong đó đều quan tâm tới các mô hình số trị nghiên cứu dự báo biến đổi khí hậu của thế kỷ XXI cho các vùng thuộc lãnh thổ Việt Nam. Trong những năm gần đây, các nhà khoa học Việt Nam đã tích cực tham gia vào các Hội thảo Quốc tế về gió mùa Châu Á đồng thời tổ chức Hội thảo Quốc tế tại Việt Nam để nâng cao trình độ chuyên môn nghiên cứu và dự báo khí hậu. Điển hình là “Hội thảo Việt-Nhật về gió mùa Châu Á” đã diễn ra thành công vào tháng 8/2006 tại Hạ Long, Quảng Ninh với sự tham gia của các chuyên gia Nhật Bản, lãnh đạo Bộ và các Vụ chức năng Bộ Tài nguyên và Môi trường, lãnh đạo Trung tâm Khí tượng Thủy văn Quốc gia (KTTV) và các bộ phận chức năng, Đài Khí tượng Cao không và đại biểu các Đài. Các thành viên đã thảo luận về những vấn đề về gió mùa và dự báo gió mùa, những vấn đề về thủy văn và dự báo thủy văn; mạng lưới trạm khí tượng thủy văn, hiện trạng công tác nghiên cứu khí tượng thủy văn và khí hậu ở Việt Nam và khu vực gió mùa châu Á. Với sự hợp tác Quốc tế ngày càng phát triển, trong tương lai gần, Việt Nam đã có thể sử dụng mô hình khí hậu khu vực để DBKH ĐNA nói chung và Việt Nam nói riêng. Tuy nhiên, với kỹ năng mô phỏng của RCM hiện tại, sai số vẫn là khá lớn và sai số càng lớn hơn nếu đánh giá theo quan trắc tại trạm thay vì đánh giá trung bình khu vực trên tất cả các điểm lưới như trước đây. Mặt khác, khi thẩm định kết quả của RCM người ta nhận thấy RCM thường mắc sai số hệ thống âm đối với nhiệt độ còn sai số lượng mưa biến đổi tùy mô hình và tùy khu vực. Do đó, hiệu chỉnh kết quả sau mô hình, đã được biết đến như một phần của quá trình thống kê sản phẩm mô hình số, ký hiệu là MOS, là cần thiết để có được kết quả cuối cùng tốt nhất. Sau đây là một số nghiên cứu về phương pháp thống kê sản phẩm mô hình số. 35 1.3. Những nghiên cứu về thống kê hiệu chỉnh sản phẩm mô hình số Phương pháp thống kê sản phẩm mô hình số MOS là quá trình cơ bản gồm 2 bước (1) tìm hiểu mối quan hệ thống kê giữa các biến khí hậu địa phương (ví dụ như nhiệt độ bề mặt và giáng thủy) và các nhân tố quy mô lớn, và (2) áp dụng mối quan hệ này cho sản phẩm dự báo của mô hình số để mô phỏng các đặc trưng khí hậu khu vực. Khi các nhân tố quy mô lớn bao gồm cả biến khí hậu đó thì quá trình này chính là hiệu chỉnh dự báo của mô hình số về quan trắc thực tế. Theo Climate Change 2001 [172], phương pháp dự báo cho địa phương từ sản phẩm của mô hình khí hậu toàn cầu hoặc mô hình khí hậu khu vực bằng phương pháp thống kê bắt nguồn từ khí hậu synốp [Baur vcs., 1944; Lamb, 1972] và dự báo thời tiết bằng phương pháp số [Klein và Glahn, 1974], nhưng hiện nay cũng được sử dụng rộng rãi trong các ứng dụng khí hậu, từ tái tạo khí hậu lịch sử [Appenzeller vcs., 1998; Luterbacher vcs., 1999] đến các bài toán biến đổi khí hậu. Một trong những tiện ích của kỹ thuật này là không tốn kém, do đó có thể áp dụng cho nhiều thử nghiệm mô hình số khác nhau. Nhưng yếu điểm lớn nhất của nó là giả thiết cơ bản không thể kiểm nghiệm được, ví dụ như mối quan hệ thống kê tìm thấy trong khí hậu hiện tại có giữ không đổi trước những tác động khác của khí hậu tương lai hay không? Thêm nữa, số liệu dùng để xây dựng mối quan hệ thống kê có thể được lấy trên những khu vực xa xôi hoặc trên địa hình phức tạp nên không đảm bảo chính xác. Tuy vậy vẫn không thể phủ nhận tiện ích của phương pháp này trong việc cung cấp thông tin địa phương chi tiết hơn từ dự báo của GCM hay RCM. Một loạt các mô hình thực hiện theo phương pháp này có sử dụng phương pháp tương tự, hồi quy hay mạng thần kinh nhân tạo đã được phát triển chủ yếu ở Mỹ, Châu Âu và Nhật Bản, nơi có số liệu thực đo tốt hơn những nơi khác để kiểm tra mô hình. Sau khi đã được xác định là tối ưu, các mô hình đã được sử dụng khá thành công trong việc tái tạo các trường khí hậu bề mặt khác nhau. Phương pháp này thậm chí còn có thể hạ xuống quy mô địa phương, ứng dụng trong dự báo các quá trình thủy văn. Những nghiên cứu ứng dụng bao gồm Wilby (1998), Widmann vcs. (2002), Bardossy và 36 Plate (1992), Hewitson và Crane (1992), Wilson vcs. (1992), Hughes vcs. (1993) …. Ứng dụng của phương pháp này vào hiệu chỉnh sản phẩm của RCM không phong phú như khi dự báo cho địa phương từ sản phẩm trực tiếp từ GCM. Một trong những nguyên nhân chính là người ta không muốn phải chạy dự báo bằng GCM, sau đó bằng RCM và cuối cùng là sử dụng phương pháp thống kê sản phẩm của RCM để dự báo cho từng địa phương. Nhưng thống kê trực tiếp từ sản phẩm GCM không đảm bảo độ chính xác vì lưới của GCM quá thô. Ví dụ như toàn bộ lãnh thổ Việt Nam có thể nằm gọn trong 1-2 ô lưới. Khi đó, xây dựng hàm hồi quy cho hàng trăm điểm trạm từ chỉ 2-4 điểm lưới là không hợp lý. Nếu chỉ lồng một RCM vào GCM thì gặp sai số như đã trình bày ở trên. Để giảm sai số, người ta có thể lồng thêm 1-2 lưới con vào RCM, nghĩa là phải chạy thêm 1-2 mô hình RCM. Vì vậy, cách thức lồng RCM vào GCM rồi hiệu chỉnh vẫn là cần thiết. Oh vcs. (2004) đã hiệu chỉnh nhiệt độ trung bình ngày từ mô phỏng 10 năm (1992-2001) của MM5 về nhiệt độ quan trắc tại 17 trạm bề mặt của Hàn Quốc. Nhiệt độ quan trắc và mô phỏng đều được phân tích thành các thành phần chính (EOF), sau đó 1-2 thành phần chính đầu tiên được sử dụng để xây dựng phương trình HQTT . Sau khi hiệu chỉnh, sai số trung bình quân phương đã giảm từ 4,03 độ (mùa đông) và 9,70 độ (mùa hè) xuống còn 2,16 độ và 1,45 độ tương ứng. Trong những thử nghiệm này, mối quan hệ giữa nhân tố dự báo (sản phẩm dự báo) và yếu tố dự báo (biến khí hậu địa phương hoặc khu vực) thường được coi là tuyến tính. Trong khi đó, mối quan hệ thực sự có thể phức tạp hơn nhiều và cần phải biểu diễn bằng hàm phi tuyến. Do đó, kết quả khi sử dụng phương pháp thống kê HQTT có thể gặp phải sai số vì không biểu diễn đúng và đủ mối quan hệ giữa nhân tố và yếu tố hồi quy. McGinnis (1994), Weichert và Burger (1998) đã từng so sánh kết quả khi sử dụng phương pháp thống kê HQTT chuẩn và phi tuyến với cùng GCM để dự báo lượng tuyết rơi và nhiệt độ trung bình, giáng thủy, áp suất hơi nước tương ứng. Các kết quả cho thấy hạn chế của cách tiếp cận tuyến tính và khả năng dự báo tốt hơn của hồi quy phi tuyến, trong trường hợp này là mạng thần kinh nhân 37 tạo (ANN). Efimov và Pososhkov (2006) hiệu chỉnh số liệu giáng thủy ngày từ hệ thống tái phân tích toàn cầu về lượng giáng thủy quan trắc tại một số điểm địa lý trên khu vực duyên hải của Biển Đen bằng ANN và nhận được phân bố giáng thủy hợp lý hơn. ANN cũng được sử dụng để hiệu chỉnh dự báo xuất hiện giáng thủy trên Nhật Bản [Koizumi, 1999] và cho kết quả tốt hơn so với hiệu chỉnh bằng HQTT. Nhận xét cuối chương Nói tóm lại, DBKH cho khu vực ĐNA vẫn là một lĩnh vực chưa được đầu tư nghiên cứu thích đáng. Đối với khí hậu nhiệt đới gió mùa phức tạp của Việt Nam, những nghiên cứu tiếp cận phương pháp mô hình hóa khí hậu cũng mới triển khai trong khoảng chục năm gần đây và chưa có nghiên cứu ứng dụng nào rõ rệt. Tuy nhiên, từ những nghiên cứu dự báo gió mùa Châu Á của các nước trên thế giới cho thấy có thể áp dụng RCM vào mô phỏng và tiến tới dự báo khí hậu cho ĐNA và Việt Nam. Nhưng do kỹ năng của RCM chưa hoàn chỉnh, RCM mới chỉ có thể tái tạo các giá trị quan trắc trung bình với sai số dưới 2oC và từ 5-50% đối với lượng giáng thủy và sai số lớn hơn nếu đánh giá cho từng khu vực nhỏ hơn, đặc biệt là các phân vùng khí hậu hoặc các trạm quan trắc. Vì vậy, khi áp dụng cho ĐNA cần nghiên cứu chi tiết hơn để cải thiện kết quả, có thể là những nghiên cứu độ nhạy về miền tính, độ phân giải hay các tham số hóa vật lý. Sau đó thẩm định thống kê kết quả của RCM và hiệu chỉnh theo phương pháp MOS để đưa về giá trị gần với quan trắc hơn. Chương 2 tiếp theo trình bày các phương pháp nghiên cứu cụ thể được áp dụng trong luận án. 38 Chương 2 PHƯƠNG PHÁP MÔ HÌNH HÓA KHÍ HẬU KHU VỰC VÀ PHƯƠNG PHÁP THỐNG KÊ SẢN PHẨM MÔ HÌNH SỐ (MOS) Trong chương này trình bày các phương pháp nghiên cứu sử dụng trong luận án là (1) phương pháp mô hình hóa khí hậu khu vực và (2) phương pháp thống kê hậu mô hình MOS bao gồm các cách thức đánh giá thống kê sản phẩm của mô hình khí hậu và phương pháp luyện mạng thần kinh nhân tạo. Cuối cùng là nguồn số liệu sử dụng trong luận án. Mô hình hóa khí hậu khu vực là phương pháp lồng mô hình khu vực hạn chế vào mô hình GCM và phân tích các kết quả nhận được từ GCM, thông qua tích phân số học của hệ phương trình mô hình khu vực hạn chế trên lưới có độ phân giải tinh hơn để suy luận ra tác động của trường GCM điều khiển đối với khu vực đó. Toàn cầu Lục địa Khu vực Địa phương Hình 2.1: Các quy mô không gian của mô hình khí hậu [Giorgi, 2006]. 39 Hình 2.1 biểu diễn các quy mô không gian của mô hình khí hậu [Giorgi, 2006]. Từ mô hình GCM với quy mô toàn cầu có độ phân giải thô, vốn chỉ mô tả được các quá trình vật lý quy mô synốp, có thể lồng vào đó mô hình RCM với quy mô lục địa hoặc khu vực có độ phân tinh hơn để mô phỏng chi tiết hơn các quá trình vật lý có quy mô vừa và nhỏ. Các mô hình thống kê có thể được “lồng" trực tiếp vào GCM hoặc các RCM để mô tả các quá trình quy mô nhỏ hơn. Để hiểu rõ hơn về mô hình hóa khí hậu khu vực, chúng tôi trình bày khá cụ thể về động lực và biểu diễn vật lý trong mô hình RegCM3, cũng là mô hình được sử dụng trong luận án để mô phỏng khí hậu hạn mùa cho khu vực ĐNA và Việt Nam. Đối với phương pháp thống kê sản phẩm mô hình số, chúng tôi trình bày về phương pháp luyện mạng thần kinh nhân tạo, bản chất là phương pháp hồi quy phi tuyến, được sử dụng trong luận án để hiệu chỉnh sản phẩm của RegCM3. 2.1. Phương pháp mô hình hóa khí hậu khu vực ứng dụng vào mô hình RegCM3 Như chương 1 đã trình bày, một trong những mô hình khí hậu khu vực thường được sử dụng để mô phỏng và dự báo gió mùa Châu Á là mô hình RegCM. Trong luận án, chúng tôi quan tâm đến mô hình RegCM của NCAR, có nguồn gốc từ mô hình quy mô vừa NCAR/MM4 xuất hiện vào những năm 80. Phần động lực học của mô hình RegCM về cơ bản giống như của MM4, là mô hình sai phân hữu hạn viết cho chất lỏng nén được với cân bằng thủy tĩnh trong hệ tọa độ thẳng đứng sigma. Trong nghiên cứu khí hậu, các tác giả đã thay thế một số tham số hóa vật lý của MM4, chủ yếu là trong vận chuyển bức xạ và vật lý đất, từ đó làm nên các thế hệ phát triển RegCM. Luận án sử dụng phiên bản mới nhất RegCM3 được phát triển ở ICTP. Sau đây trình bày phần biểu diễn động lực và vật lý trong RegCM3, được tham khảo chủ yếu từ Elguindi vcs. (2003) và Kiều Thị Xin vcs. (2006). 2.1.1. Động lực học Các phương trình trong mô hình RegCM3 được xây dựng cho hệ tọa độ thẳng đứng thủy tĩnh theo địa hình, ký hiệu là σ, được định nghĩa bởi 40 ( ) /( )t s tp p p p= − −σ trong đó p là áp suất, pt là áp suất tại đỉnh mô hình, được cho bằng hằng số và ps là áp suất tại mặt đất. σ bằng 0 tại đỉnh và bằng 1 tại mặt đất, mỗi mực mô hình được xác định bởi một giá trị của σ. Thông thường, độ phân giải trong lớp biên tinh hơn lớp trên và số các mực thay đổi tuỳ yêu cầu người sử dụng. Trong RegCM3, lưới ngang có dạng xen kẽ - B Arakawa-Lamb đối với các biến vận tốc và các biến vô hướng (Hình 2.2). Các biến vô hướng (T, q, p,…) được xác định tại trung tâm các ô lưới trong khi các thành phần tốc độ gió hướng đông (u) và hướng bắc (v) được xác định tại các góc. Điểm trung tâm ký hiệu là dấu nhân, điểm góc ký hiệu là dấu tròn. Tất cả các biến này được xác định tại trung tâm của mỗi lớp thẳng đứng, gọi là các mực phân. Vận tốc thẳng đứng được thực hiện trên mực nguyên. Hình 2.2: Lưới ngang dạng xen kẽ dạng B - Arakawa - Lamb của mô hình RegCM3 [Elguindi vcs., 2003]. 2.1.1.1. Các điều kiện ban đầu và điều kiện biên Tùy theo mục đích mô phỏng hay dự báo mà điều kiện ban đầu và điều kiện biên của mô hình được cung cấp bởi trường điều khiển là số liệu tái phân tích hoặc trường dự báo của GCM. Điều kiện ban đầu cần thiết cho bước tích phân đầu tiên. Đối với điều kiện biên, mô hình sẽ cập nhật phân tích (hay dự báo) sau từng khoảng thời gian tích phân nào đó, có thể là từng 6h hoặc 3h. Số liệu ban đầu của RegCM3 còn bao gồm số liệu mặt đệm như loại đất phủ và thực vật, độ cao địa hình, nhiệt độ 41 mặt nước biển SST và các trường gió, nhiệt độ, độ ẩm trên các lưới kinh vĩ được nội suy về lưới của mô hình bằng phương pháp nội suy tối ưu. Hình 2.3 là bức tranh toàn cảnh về phương pháp lồng ghép mô hình RCM vào GCM trong đó trường điều khiển quy mô lớn GCM truyền tác động vào miền con của RCM có độ phân giải tinh hơn thông qua miền đệm nằm xen giữa. Miền con, độ phân giải tinh hơn : RCM Miền đệm Trường điều khiển quy mô lớn : GCM Hình 2.3: Lồng ghép mô hình RCM vào GCM bằng phương pháp động lực. Điều kiện biên được cập nhật từ miền lớn vào miền tính nhỏ hơn thông qua miền đệm xung quanh. Các phương pháp cập nhật biên bao gồm phương pháp cập nhật biên cố định, biên biến đổi theo thời gian, biên giả và biên giảm dư. Trong đó, biên cố định nghĩa là các giá trị của mọi trường tại các điểm lưới trên biên được giữ cố định bằng giá trị của chúng tại bước thời gian đầu tiên của mô hình; biên biến đổi theo thời gian nghĩa là các giá trị của các trường trên vùng đệm biên là tái phân tích (hay dự báo) từ mô hình toàn cầu vào từng khoảng thời gian tương ứng; biên giả được cho bởi biểu thức: [ ]( ) 1 ( ) n MC LS w n w n t t t ∂ ∂ ∂⎛ ⎞ ⎛ ⎞ ⎛ ⎞= + −⎜ ⎟ ⎜ ⎟ ⎜ ⎟∂ ∂ ∂⎝ ⎠ ⎝ ⎠ ⎝ ⎠ trong đó n là khoảng cách từ biên gần nhất đến các điểm lưới, đối với các biến trên nút dấu nhân thì n = 1, 2, 3, 4, đối với các biến trên nút tròn thì n = 1, 2, 3, 4, 5, n=1 42 ở trên biên; MC - xu thế tính được bởi mô hình, LS - xu thế quy mô lớn nhận được từ phân tích hoặc từ mô phỏng của mô hình quy mô lớn. w(n) là trọng số, tính từ các điểm trên biên trở vào trong. Đối với các biến trên nút dấu nhân w(n) lần lượt bằng 0; 0,4; 0,7 và 0,9 trong khi đối với các biến trên nút tròn w(n) bằng 0; 0,2; 0,55; 0,8 và 0,95. Tất cả các điểm khác trên miền thô có trọng số w(n) = 1. Cuối cùng, biên giảm dư nghĩa là các giá trị dự báo của mô hình trên miền đệm tiến dần về giá trị phân tích của quy mô lớn trên biên. Phương pháp này bao gồm các số hạng Newton và số hạng khuếch tán ( ) ( )1 2 2( ) ( )LS MC LS MC n F n F F n F t ∂⎛ ⎞ = − − Δ −⎜ ⎟∂⎝ ⎠ α α α α α với n = 2, 3, 4. F giảm dần tuyến tính từ biên xung quanh: ( ) (5 ) / 3F n n= − với n = 2, 3, 4 và ( ) 0F n = với n > 4; 1 1/(10 )F t= Δ và 22 /(50 )F s t= Δ Δ . Tiếp theo trình bày động lực và các thành phần vật lý trong mô hình RegCM3 sử dụng trong luận án. 2.1.1.2. Hệ phương trình thống trị trong mô hình RegCM3 Hệ phương trình thống trị của RegCM3 trước hết bao gồm các phương trình chuyển động ngang như sau: * * * * 2 * * * / / H V p u p uu m p vu m p um t x y pmp p fv F u F u x x σ σ σ φ ρ ⋅⎛ ⎞∂ ∂ ∂ ∂= − + −⎜ ⎟∂ ∂ ∂ ∂⎝ ⎠⎡ ⎤∂ ∂− + + + +⎢ ⎥∂ ∂⎣ ⎦ (2.1) * * * * 2 * * * / / H V p v p uv m p vv m p vm t x y pmp p fu F v F v y y σ σ σ φ ρ ⋅⎛ ⎞∂ ∂ ∂ ∂= − + −⎜ ⎟∂ ∂ ∂ ∂⎝ ⎠⎡ ⎤∂ ∂− + − + +⎢ ⎥∂ ∂⎣ ⎦ (2.2) với u, v- các thành phần vận tốc hướng đông và hướng bắc, Tv - nhiệt độ ảo, φ -độ cao địa thế vị, f - tham số Coriolis, R - hằng số khí đối với không khí khô, m - hệ số bản đồ, . ( ) /d dt=σ σ , FH và FV biểu diễn tác động của khuyếch tán ngang và xáo trộn thẳng đứng do rối lớp biên hoặc điều chỉnh đối lưu khô. 43 Phương trình đạo hàm của sigma . ( )σ : * * * * 2 / /p p u m p v m pm t x y σ σ ⋅⎛ ⎞∂ ∂ ∂ ∂= − + −⎜ ⎟∂ ∂ ∂ ∂⎝ ⎠ (2.3) Tích phân thẳng đứng phương trình (2.3) được dùng để tính biến đổi theo thời gian của áp suất mặt đất trong mô hình: 1* * * 2 0 / /p p u m p v mm d t x y ⎛ ⎞∂ ∂ ∂= − +⎜ ⎟∂ ∂ ∂⎝ ⎠∫ σ (2.4) Khi đó, vận tốc thẳng đứng trong toạ độ sigma ( )σ⋅ được tính tại mỗi mực trong mô hình nhờ tích phân thẳng đứng phương trình (2.4) như sau * * * 2 * 0 1 / / 'p p u m p v mm d p t x y σ σ σ⋅ ⎡ ⎤⎛ ⎞∂ ∂ ∂= − + +⎢ ⎥⎜ ⎟∂ ∂ ∂⎝ ⎠⎣ ⎦∫ (2.5) với σ’ là biến tích phân và ( 0) 0σ σ⋅ = = . Phương trình nhiệt: * * * * 2 * * / / ' H V p p p T p uT m p vT m p Tm t x y p Qp F T F T c c σ σ ω ρ ⋅⎛ ⎞∂ ∂ ∂ ∂= − + − +⎜ ⎟∂ ∂ ∂ ∂⎝ ⎠ + + + (2.6) với cp - nhiệt dung riêng đẳng áp đối với không khí ẩm cp = cpd (1 + 0.8qv), qv - tỷ số hỗn hợp của hơi nước và cpd - nhiệt dung riêng đẳng áp của không khí khô; Q - đốt nóng phi đoạn nhiệt. Phương trình omega (ω) được viết: * * dpp dt ω σ σ⋅= + (2.7) với * * * *dp p p pm u v dt t x y ⎛ ⎞∂ ∂ ∂= + +⎜ ⎟∂ ∂ ∂⎝ ⎠ (2.8) 44 Từ nhiệt độ ảo Tv, có thể tính độ cao địa thế vị nhờ sử dụng phương trình thuỷ tĩnh: 1 * 1ln( / ) 1 c i v t v q qRT p p q −⎡ ⎤+∂ = − +⎢ ⎥∂ + +⎣ ⎦ φ σ (2.9) trong đó Tv = T(1 + 0.608qv ), qv, qc và qi - các tỷ số hỗn hợp của hơi nước, nước mây hoặc băng và nước mưa hoặc tuyết. Theo Dudhia (1989), các quá trình trong pha băng xảy ra khi nhiệt độ dưới 0oC, khi đó nước mây trở thành băng mây và mưa trở thành mưa tuyết. Các phương trình đối với ẩm dạng hơi qv, dạng lỏng qc và dạng rắn qi tương ứng: ( ) * * * * 2 * / /v v v v RE CON H ID qv p q p uq m p vq m p qm t x y p P P P P D ⎡ ⎤∂ ∂ ∂ ∂= − + − +⎢ ⎥∂ ∂ ∂ ∂⎣ ⎦ + − − − − + σ σ (2.10) ( ) * * * * 2 * / /c c c c f c RE RC RA qc p q p uq m p vq m p qm t x y V gq p P P P D ⎡ ⎤∂ ∂ ∂ ∂= − + − +⎢ ⎥∂ ∂ ∂ ∂⎣ ⎦ ∂− + + + +∂ σ σ ρ σ (2.11) ( ) * * * * 2 * / /i i i i I D I I RC RA CON qi p q p uq m p vq m p qm t x y p P P P P P D ⎡ ⎤∂ ∂ ∂ ∂= − + − +⎢ ⎥∂ ∂ ∂ ∂⎣ ⎦ + + − − + + σ σ (2.12) trong đó PRA - phần mây/băng tăng thêm nhờ nước mưa/tuyết, PRC - lượng nước chuyển từ mây thành mưa (hoặc băng thành tuyết), PRE - bay hơi/thăng hoa của mưa/tuyết, PCON - phần nước ngưng kết (và đóng băng khi T<0oC) của hơi nước trong mây/băng và Vf - tốc độ rơi của hạt mưa/tuyết. Khi biểu diễn các quá trình chuyển đổi của băng có thêm thành phần PI I - lượng tinh thể băng ban đầu và PI D - thăng hoa/lắng đọng của băng mây. Trong tất cả các quá trình trên đều coi phân bố kích thước của hạt mưa/tuyết là phân bố Marshall-Parmer và vận tốc rơi của các hạt nhỏ có dạng ( ) bV D aD= trong đó D là đường kính của hạt. Tiếp theo là các thành phần vật lý trong RegCM3. 45 2.1.2. Các thành phần vật lý trong RegCM3 Trong RegCM3 có tính đến các quá trình vật lý cơ bản bao gồm (1) đối lưu trong khí quyển, (2) giáng thuỷ quy mô lưới, (3) trao đổi sinh quyển - khí quyển, (4) bức xạ, (5) chuyển động rối trong lớp biên hành tinh, (6) trao đổi thông lượng đại dương - khí quyển, (7) trao đổi giữa hồ - khí quyển và (8) vận chuyển các thành phần hóa học, nhưng hai quá trình trao đổi thông lượng giữa hồ - khí quyển và vận chuyển các thành phần hóa học chưa được xem xét đến trong luận án nên cơ sở lý thuyết của chúng không được trình bày ở đây. Trước hết trình bày về sơ đồ tham số hóa đối lưu mây tích, đây là thành phần được coi là rất quan trọng, có ảnh hưởng nhiều nhất đến kết quả mô phỏng/dự báo của mô hình khí hậu. 2.1.2.1. Tham số hoá đối lưu mây tích trong RegCM3 Trong mô hình RegCM có một số tùy chọn sơ đồ tham số hóa đối lưu như sơ đồ tham số hóa đối lưu kiểu Kuo [Kuo, 1974; Anthes, 1977], sơ đồ Grell [Grell, 1993], sơ đồ BMJ [Betts, Miller và Janjic, 1996] và sơ đồ MIT-Emanuel [Emanuel, 1995]. Ngoài ra, sơ đồ tham số hóa đối lưu Tiedtke [Tiedtke, 1989] là sơ đồ được cài thêm vào mô hình RegCM3 để cải thiện kết quả mô phỏng. Ở đây trình bày về một số sơ đồ tham số hóa đối lưu được thử nghiệm trong luận án. + Sơ đồ tham số hoá đối lưu kiểu Kuo của Anthes (1977) Sơ đồ giả thiết giáng thuỷ bắt đầu khi hội tụ ẩm M trong cột không khí vượt quá một giá trị ngưỡng cho trước và thám sát thẳng đứng là bất ổn định đối lưu. Một phần β của hội tụ ẩm tổng cộng làm ẩm cột khí và phần còn lại chuyển thành giáng thủy PCU. (1 )CUP M β= − β là hàm của độ ẩm tương đối trung bình thám sát: 2(1 ) 0,5 1 0,5 RH RH RH β ⎧ − ≥⎪= ⎨ <⎪⎩ Lưu ý rằng ở đây, số hạng hội tụ ẩm chỉ bao gồm xu thế bình lưu của hơi nước. Tuy nhiên, lượng hơi nước bay hơi trong bước thời gian trước đó được nhập 46 trực tiếp vào lượng hội ẩm của bước thời gian này vì nó có xu hướng làm ẩm tầng thấp của khí quyển. Do đó, khi bốc thoát hơi tăng lên, càng nhiều ẩm chuyển thành giáng thủy nếu cột khí bất ổn định. Đốt nóng ẩn nhiệt ngưng kết được phân bố giữa lớp đỉnh và đáy mây theo prôfin đốt nóng thẳng đứng có dạng parabol nhất định, tạo ra đốt nóng cực đại trong nửa trên của lớp mây. + Sơ đồ tham số hoá đối lưu của Betts-Miller-Janjic (1994) Sơ đồ tham số hóa đối lưu của Betts-Miller-Janjic (BMJ) là sơ đồ kiểu hiệu chỉnh. Trong sơ đồ này, các tác động quy mô dưới lưới của các đám mây đối lưu được biểu diễn bằng cách hiệu chỉnh profile ẩm và nhiệt độ về cấu trúc tựa cân bằng của đối lưu sâu và cấu trúc đường xáo trộn của đối lưu nông đã quan trắc được. Sơ đồ tham số hóa đối lưu nông phải thỏa mãn một số tiêu chuẩn cho trước như độ cao đỉnh mây phải thấp hơn 450mb để đảm bảo đối lưu nông không làm thay đổi tầng đối lưu trên; độ dày mây lớn hơn 10mb và nhỏ hơn 290mb; độ dày mây ít nhất phải chứa 2 mực mô hình. Nếu ba tiêu chuẩn trên không thoả mãn thì nút lưới này được bỏ qua. Ngược lại, xác định đường xáo trộn là đường nối điểm bão hòa của đáy mây và đỉnh mây. Profile nhiệt được điều chỉnh đơn giản là đường nối nhiệt độ của mực mô hình nằm dưới đáy mây với nhiệt độ mực mô hình nằm trên đỉnh mây. Đường này có độ nghiêng bằng độ nghiêng của đường xáo trộn. Sau đó, profile được nối với các thám sát ở bên dưới chân mây và bên trên đỉnh mây. Cuối cùng, profile nhiệt độ mới được biến đổi này được hiệu chỉnh để cho giải phóng ẩn nhiệt bằng không, tức là không tạo ra giáng thuỷ. Profile ẩm được điều chỉnh sao cho giáng thuỷ không tới được mặt đất, tức là giải phóng ẩn nhiệt thuần túy do thay đổi ẩm bằng không, hoặc là lượng hơi nước tổng cộng trong mây không thay đổi; sự thay đổi entropy tổng cộng do tham số hoá đối lưu nông phải là một đại lượng dương nhỏ. Theo sơ đồ tham số hoá đối lưu sâu của BMJ, đáy mây ít nhất phải nằm phía trên mực mô hình thấp nhất (hoặc ít nhất là trên 25mb so với mực giữa của lớp thấp nhất trong mô hình) và độ dày mây lớn hơn 290mb. Từ đáy mây đến mực đóng băng môi trường, profile nhiệt độ được điều chỉnh sao cho có độ nghiêng bằng 90% 47 so với độ nghiêng của đường đoạn nhiệt ẩm và bảo toàn enthalpy H = CpT + Lvq. Độ ẩm riêng được điều chỉnh tương tự như đối lưu nông. Kết quả của việc điều chỉnh đối lưu sâu là tạo ra mưa trên hộp lưới. + Sơ đồ tham số hoá đối lưu của Grell (1993) Sơ đồ Grell (1993) được phát triển từ sơ đồ tham số hóa đối lưu gốc của Arakawa và Schubert (1974), sử dụng điều khiển động lực, điều khiển tĩnh và hồi tiếp để phân chia một cách hệ thống các giả thiết được sử dụng trong tham số hoá đối lưu [Betts, 1974] theo quan điểm mô hình hoá là điều khiển động lực xác định tác động của môi trường đến đối lưu; điều khiển hồi tiếp xác định tác động của đối lưu đến môi trường, phân bố lại sự đốt nóng và làm khô tổng cộng theo phương thẳng đứng và điều khiển tĩnh xác định các đặc trưng của mây như dòng thăng, dòng giáng và bao gồm các cơ chế như cuốn vào, cuốn ra và vi vật lý mây. Theo AS (1974), hàm công mây tổng cộng Atot biến đổi phụ thuộc vào hai yếu tố bao gồm sự thay đổi trong các biến quy mô lớn và sự biến đổi của môi trường do mây: tot tot tot LS CU dA dA dA dt dt dt ⎛ ⎞ ⎛ ⎞ ⎛ ⎞= +⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠ ⎝ ⎠ (2.13) Hai yếu tố này tác động theo hai xu hướng ngược nhau. Hàm công mây thường có xu hướng tăng lên do tác động của các quá trình quy mô lớn thông qua quá trình làm lạnh bức xạ, chuyển động thẳng đứng và các thông lượng nhiệt bề mặt vì các quá trình này làm tăng độ bất ổn định thẳng đứng của cột khí. Ngược lại, đối lưu có xu hướng làm giảm độ bất ổn định, do đó làm giảm hàm công mây. Vì vậy, biến đổi theo thời gian của Atot rất nhỏ, gần như bằng 0. Trước hết, biến đổi của hàm công mây do quy mô lớn là hàm của loại mây λ: ( )tot LS dA F dt ⎛ ⎞ ≡⎜ ⎟⎝ ⎠ λ (2.14) Do hồi tiếp của mây tích lên các trường quy mô lớn là hàm tuyến tính của thông lượng khối đáy mây mb nên số hạng này có thể được viết: 48 ( ) ( ), ' 'tot b CU dA K m d dt ⎛ ⎞ ≡⎜ ⎟⎝ ⎠ ∫λ λ λ λ λ (2.15) với K(λ,λ') là nhân tích phân. Nhân tích phân này biểu diễn sự tương tác giữa dòng thăng và dòng giáng của các đám mây. Khi đó: ( ) ( ) ( ), ' 'tot bdA F K m ddt ≡ + ∫λλ λ λ λ λ (2.16) Thông thường dAtot/dt rất nhỏ và khác 0 nhưng để khép kín hệ phương trình, AS (1974) đã giả thiết về trạng thái tựa cân bằng giữa các số hạng ở vế phải của phương trình (2.13), nghĩa là: 0totdA dt ≈ (2.17) Khi đó (2.16) được viết lại: ( ) ( ) ( ), ' 'bF K m d= −∫λλ λ λ λ λ (2.18) Thông lượng khối đáy mây mb có thể tính được tại mỗi bước tích phân ta để khép kín hệ phương trình theo cách sau. Khi chưa có tác động của đối lưu ta tính được biến đổi của hàm công mây chỉ do quy mô lớn F(λ). Cho mb một giá trị nào đó, có thể bằng đơn vị, và tính biến đổi của hàm công mây có tác động của đối lưu. Từ phương trình (2.18) tính được nhân K(λ,λ') và lấy F(λ) của bước tích phân tiếp theo chia cho nhân K(λ,λ') sẽ được mb. Ngoài ra, trong tham số hoá mây tích của các mô hình quy mô vừa, có thể xác định mb bằng cách giả thiết / /CUdA dt A τ= − Δ với Δτ là khoảng thời gian xác định để tiêu tán độ bất ổn định gây ra bởi các quá trình quy mô lớn. Khi đó ta lấy /A− Δτ chia cho nhân K(λ,λ') để được thông lượng khối đáy mây mb. Khi xác định được thông lượng khối đáy mây mb là đã khép kín được hệ phương trình nhiệt động lực học và mb được sử dụng để tính các đặc trưng mây trong phần điều khiển tĩnh tiếp theo đây. 49 Grell (1993) xây dựng mô hình mây là hoàn lưu ổn định gồm dòng thăng và dòng giáng, không có sự xáo trộn giữa không khí mây và không khí môi trường, ngoại trừ tại đỉnh và đáy hoàn lưu, thông lượng khối lượng không đổi theo độ cao và không có dòng cuốn vào, cuốn ra ở các rìa mây (Hình 2.4). Downdraft Originating Level Cloud Updraft Originating Level Hình 2.4: Mô hình mây đối lưu một chiều ổn định trong sơ đồ Grell [Grell, 1993]. Sơ đồ tham số hóa đối lưu của Grell (1993) thuộc loại mô hình mây một chiều có trạng thái ổn định (tương tự các loại mô hình lông chim, bong bóng hoặc hình tia) nên sử dụng giả thiết rằng dòng cuốn vào xảy trên một độ sâu z của phần tử nổi: ( ) ( )1 0.2m z m z z r ∂= ≈∂μ (2.19) với μ - tổng tốc độ cuốn vào thuần từng phần của phần tử nổi, m - thông lượng khối, mu - thông lượng khối của dòng thăng, md - thông lượng khối của dòng giáng và r - bán kính mây. Theo Arakawa và Schubert, bán kính của mây không được sử dụng hiện mà bán kính của mây được giả thiết ẩn bằng hằng số. Theo AS (1974), dòng cuốn ra được giả thiết là chỉ bắt đầu xảy ra tại đỉnh mây nhưng Houze vcs. (1979) và Lord (1978) cho rằng dòng cuốn ra biến đổi trong mỗi mực của dòng thăng. Biến thiên của năng lượng tĩnh ẩm trong dòng thăng và dòng giáng theo độ cao: Mây Mực khởi đầu dòng giáng__ Mực khởi đầu dòng __thăng 50 ( ) ( ) ( ), ,u ue uh z h z h zz ∂ ⎡ ⎤= −⎣ ⎦∂ λ μ λ (2.20) và ( ) ( ) ( ), ,d de dh z h z h zz ∂ ⎡ ⎤= −⎣ ⎦∂ λ μ λ (2.21) trong đó μue và μde - tốc độ cuốn vào từng phần trong dòng thăng và dòng giáng. Houze vcs. (1979) coi thông lượng khối tại mực bắt đầu của dòng giáng là hàm của thông lượng khối dòng thăng và độ tái bốc hơi của lượng nước ngưng kết trong đối lưu. Các điều kiện biên cũng như một số giả thiết cần thiết là: Đối với dòng thăng: ( ) ( )max ,u bh z h z⎡ ⎤= ⎣ ⎦ với bz z≤ (2.22) ( ) ( )*,u T Th z h z= λ (2.23) trong đó dấu * ký hiệu giá trị bão hoà. Tương tự đối với dòng giáng: ( ) ( ), mindh z h z⎡ ⎤= ⎣ ⎦λ (2.24) Schubert (1974) sử dụng các phương trình sau để tính toán hồi tiếp của mây với môi trường: ( ) s Ll Rs swsV F LR Qt z z − ∂ ∂ ∂+∇ ⋅ + = − + +∂ ∂ ∂ ρρ ρ (2.25) ( ) q lq qwqV F Rt z z + ∂ ∂ ∂+∇ ⋅ + = − −∂ ∂ ∂ ρρ ρ (2.26) trong đó s - năng lượng tĩnh khô, biểu thức tính s = CpT + gz. Các thông lượng quy mô đối lưu là: s Ll s lF F LF− ≡ − (2.27) và q l q lF F F+ ≡ + (2.28) trong đó Fs - thông lượng của năng lượng tĩnh khô, Fq - thông lượng của hơi nước và Fl - thông lượng nước trong mây. Cụ thể là: 51 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )0 , , , , s u u b dd F z z s z s z m d z s z s z m d ≡ + −⎡ ⎤⎣ ⎦ − −⎡ ⎤⎣ ⎦ ∫ ∫ λ λ η λ λ λ λ η λ λ λ λ (2.29) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )0 , , , , q u u b dd F z z q z q z m d z q z q z m d ≡ + −⎡ ⎤⎣ ⎦ − −⎡ ⎤⎣ ⎦ ∫ ∫ λ λ η λ λ λ λ η λ λ λ λ (2.30) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 0 0 , , , , l u b d e F z z c l z m d z q z m d ≡ − ∫ ∫ λ λ η λ λ λ λ λ η λ λ λ λ (2.31) Lượng mưa, là lượng mất đi trên quy mô đối lưu của nước mây, được tính như sau ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )0 0, , , ,u b d eR z z c l z m d z q z m d= + −∫ ∫λ λη λ λ λ λ λ η λ λ λ λ (2.32) Trong vế phải của hệ phương trình (2.29) – (2.32), số hạng thứ hai sinh ra do dòng giáng, bằng không ở bên trên mực bắt đầu dòng giáng. Bên dưới mực bắt đầu dòng thăng, số hạng đầu tiên của vế phải bằng không, như vậy ở đây chỉ có dòng giáng tác động đến môi trường quy mô lớn. Bên dưới mực bắt đầu dòng thăng, các thông lượng quy mô đối lưu cho dòng thăng bằng không. Ở giữa mực bắt đầu dòng thăng và mực đối lưu tự do (LFC), Fl và r được cho bằng không. Do không có nước được giả thiết trong môi trường như dòng giáng, thông lượng dòng giáng do dòng thăng cũng như các thông lượng dòng giáng trong các phương trình (2.30) bằng không. + Sơ đồ tham số hoá đối lưu của Tiedtke (1989) Sơ đồ tham số hoá đối lưu của Tiedtke (1989) được giới thiệu tuần tự theo hệ phương trình nguồn quy mô lớn, các giả thiết khép kín và mô hình mây. Giả thiết khép kín của sơ đồ này dựa trên giả thiết bảo toàn thông lượng dòng khối. Hệ phương trình quy mô lưới viết cho biến nhiệt và ẩm: ( ) ( )' '1. Rs sv s w w s L c e Qt z z∂ ∂ ∂+ ∇ + = − + − +∂ ∂ ∂ ρρ (2.33) ( ) ( )' '1.q qv q w w q c et z z∂ ∂ ∂+ ∇ + = − − −∂ ∂ ∂ ρρ (2.34) 52 với s - năng lượng tĩnh khô, q - độ ẩm riêng, ρ - mật độ không khí, v - vận tốc gió ngang, w - vận tốc thẳng đứng, c - tốc độ ngưng kết, e - tốc độ bay hơi và QR - đốt nóng bức xạ. Ký hiệu gạch trên đầu biểu diễn trung bình theo phương ngang trên một khu vực đủ lớn để có thể chứa được một tổ hợp mây tích, dấu phẩy chỉ độ lệch khỏi trung bình trên diện tích này. Vận chuyển xoáy của năng lượng tĩnh khô s bao gồm các thành phần đóng góp từ dòng thăng mây tích, dòng giáng mây tích và dòng hạ xuống trong môi trường gây ra bởi mây tích: ( ) ( )( ) ( )( ) ( ) ( )( ) ' ' 1 ui ui ui di di di cu i i ui di i w s w w s s w w s s w w s s = − − + − − ⎡ ⎤+ − + − −⎢ ⎥⎣ ⎦ ∑ ∑ ∑   ρ ρ σ ρ σ ρ σ σ (2.35) và tương tự đối với ẩm q. Ký hiệu i - loại mây thứ i, u và d - dòng thăng và dòng giáng mây tích, ký hiệu ~ chỉ giá trị của môi trường và σ - độ phủ mây vô thứ nguyên. Trong các mô hình quy mô lớn, gần đúng ,s s q q= =  khá thoả mãn. Thông lượng khối lượng đối lưu được biểu diễn như sau: ( ) ( ),ui ui ui di di diM w w M w w= − = −ρσ ρσ (2.36) với Mui và Mdi - thông lượng khối lượng của dòng thăng và dòng giáng của đám mây thứ i tương ứng. Sơ đồ Tiedtke (1989) không biểu diễn những thành phần riêng lẻ của một tổ hợp mây mà biểu diễn các đặc trưng tổng quát của chúng bằng mô hình tổng quát tương tự như mô hình được sử dụng trong các nghiên cứu đối lưu nhiệt đới trước đây [Yanai vcs., 1973, 1976; Reed và Johnson, 1974]. Khi đó các phương trình quy mô lưới (2.33) và (2.34) trở thành: ( ) ( ) ( )' ' 1. 1 u u d d u d u d l p R tu s sv s w M s M s M M s t z z L c e e e w s Q z ∂ ∂ ∂+ ∇ + = − + − +⎡ ⎤⎣ ⎦∂ ∂ ∂ ∂+ − − − − +∂  ρ ρρ (2.37) ( ) ( ) ( )' ' 1. 1 u u d d u d u d l p tu q qv q w M q M q M M q t z z c e e e w q z ∂ ∂ ∂+ ∇ + = − + − +⎡ ⎤⎣ ⎦∂ ∂ ∂ ∂− − − − − ∂  ρ ρρ (2.38) 53 với Mu, Md, cu, ed - đóng góp thuần từ tất cả các đám mây vào thông lượng khối lượng dòng thăng, thông lượng khối lượng dòng giáng, ngưng kết và bay hơi tương ứng; su, sd, qu, qd - trung bình trọng số của s và q từ toàn bộ dòng thăng và dòng giáng; le - bay hơi của không khí mây bị cuốn ra môi trường; pe - bay hơi của giáng thủy trong lớp cận mây chưa bão hòa; “tu” biểu diễn rối lớp biên. Phương trình liên tục khối lượng đối với nước mưa: ( ) ( )p d p z P z G e e dz ∞ = − −∫  ρ (2.39) với P(z) - thông lượng nước mưa tại độ cao z và Gp - lượng nước chuyển từ nước mây thành giáng thủy. Khác với sơ đồ Grell (1993) chỉ biểu diễn chung một loại mây tích đối lưu, sơ đồ tham số hoá đối lưu Tiedtke (1989) biểu diễn 3 loại mây bao gồm mây đối lưu sâu, mây đối lưu nông và mây đối lưu mực giữa. Chúng được đặc trưng bởi tốc độ cuốn vào, cuốn ra, vi vật lý mây trong dòng thăng và dòng giáng khác nhau. Các phương trình được viết riêng đối với dòng thăng và dòng giáng. Dòng thăng của tổ hợp mây được giả thiết ở trạng thái ổn định. Khi đó hệ phương trình tổng quát đối với khối lượng, nhiệt, ẩm và lượng nước mây là: ( ) ( ) ( ) u u u u u u u u u u u u u u u u u u p M E D z M s E s D s L c z M q E q D q c z M l D l c G z ∂ ⎫= − ⎪∂ ⎪∂ ⎪= − + ⎪∂ ⎬∂ ⎪= − − ⎪∂ ⎪∂ ⎪= − + −∂ ⎭ ρ ρ ρ ρ (2.40) trong đó E và D - khối lượng cuốn vào và cuốn ra trên một đơn vị độ dài, l - lượng nước trong mây và cu - ngưng kết thuần trong dòng thăng. Không khí mây được giả thiết là bão hoà. Các quá trình vật lý mây được biểu diễn thô, ví dụ như không xét 54 đến quá trình đóng băng và tan chảy, quá trình chuyển từ các hạt mây thành các hạt mưa được giả thiết là tỷ lệ với lượng nước trong mây theo biểu thức: ( )pG K z l= (2.41) trong đó K(z) là hàm kinh nghiệm biến đổi theo chiều cao. Mặc dù các giả thiết này khá đơn giản nhưng phân bố thẳng đứng của sự tạo thành các hạt mưa nhận được khá hợp lý [Yanai vcs., 1973]. Ở đây, K được giả thiết bằng 0 ở gần đáy mây và bằng hằng số ở các mực cao hơn: 3 1 0 1500 ( ) 2.10 khi z 1500 B B z Z m K z s Z m− − ≤ +⎧= ⎨ > +⎩ khi (2.42) K bằng 0 tại các mực thấp hơn là để đảm bảo mây tích nông không tạo thành mưa. Lưu ý thêm rằng lượng nước lỏng trong mây bị cuốn ra không khí ngoài môi trường được giả thiết là bay hơi ngay lập tức và được biểu diễn: 1l ue D l= ρ (2.43) Để tích phân thẳng đứng được hệ phương trình (2.40) cần phải biết thông lượng khối đáy mây và khối lượng cuốn vào và cuốn ra. Thông lượng khối đáy mây được xác định đối với các loại đối lưu khác nhau từ các giả thiết tham số hoá như sự cuốn hút khối lượng vào trong ổ mây đối lưu được giả thiết là xảy ra thông qua (i) trao đổi rối của khối lượng thông qua các rìa mây và (ii) dòng cuốn vào có tổ chức liên quan với hội tụ quy mô lớn, sự cuốn khối lượng ra khỏi mây thông qua trao đổi rối và dòng cuốn ra có tổ chức tại đỉnh mây: ( ) ( ) ( ) ( )1 2 1 2, u u u u u uE E E D D D= + = + (2.44) Dòng cuốn vào và cuốn ra do rối được tham số hoá theo Turner (1963): ( ) ( )1 1,u u u u u uE M D M= =ε δ (2.45) trong đó tốc độ cuốn vào/cuốn ra phụ thuộc nghịch vào bán kính mây [Simpson và Wiggert 1969; Simpson 1971]: 55 0.2 0.2, u u u uR R = =ε δ (2.46) Nhưng khi tính toán thực tế trong mô hình, để đơn giản, các giá trị của tốc độ cuốn vào, cuốn ra do rối đối với các loại đối lưu khác nhau được cố định là: 4 1 4 1 1 10 , 3 10 , u u m m − − − − ⎧ ×⎪= = ⎨ ×⎪⎩ ε δ ®èi l−u s©u vµ ®èi l−u m