Upload
duongngoc
View
228
Download
1
Embed Size (px)
Citation preview
1
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------
Nguyễn Thị Hạnh
THỬ NGHIỆM DỰ BÁO HẠN MÙA MỘT SỐ YẾU TỐ VÀ HIỆN
TƯỢNG CỰC ĐOAN Ở VIỆT NAM BẰNG MÔ HÌNH CLWRF
LUẬN VĂN THẠC SĨ KHOA HỌC
Hà Nội - 2013
2
ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN
---------------------
Nguyễn Thị Hạnh
THỬ NGHIỆM DỰ BÁO HẠN MÙA MỘT SỐ YẾU TỐ VÀ HIỆN
TƯỢNG CỰC ĐOAN Ở VIỆT NAM BẰNG MÔ HÌNH CLWRF
Chuyên ngành: Khí tượng và khí hậu học
Mã số: 60440222
LUẬN VĂN THẠC SĨ KHOA HỌC
NGƯỜI HƯỚNG DẪN KHOA HỌC:
GS.TS. Phan Văn Tân
Hà Nội - 2013
3
Mục lục
DANH MỤC HÌNH .................................................................................................... 4
DANH MỤC BẢNG ................................................................................................... 8
DANH MỤC VIẾT TẮT ............................................................................................ 9
Mở đầu ...................................................................................................................... 11
Chương 1. TỔNG QUAN ......................................................................................... 12
1.1. Sơ lược về dự báo mùa. ............................................................................... 12
1.2. Một số công trình nghiên cứu mô phỏng và dự báo mùa. ........................... 13
1.3. Về các yếu tố và hiện tượng khí hậu cực đoan ............................................ 18
Chương 2-SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU .................................... 24
2.1. Mô hình và thí nghiệm................................................................................. 24
2.1.1. Sơ lược về mô hình................................................................................ 24
2.1.2. Thiết kế thí nghiệm ................................................................................ 24
2.2. Số liệu và phương pháp xử lý số liệu .......................................................... 28
2.3. Hạn dự báo ................................................................................................... 31
2.4. Đánh giá dự báo ........................................................................................... 33
Chương 3. KẾT QUẢ VÀ NHẬN XÉT ................................................................... 35
3.1. Dự báo các trường trung bình tháng. ........................................................... 35
3.1.1. Nhiệt độ trung bình tháng mực 2m. ...................................................... 35
3.1.2. Nhiệt độ trung bình cực tiểu tháng ........................................................... 42
3.1.3. Nhiệt độ cực đại trung bình tháng............................................................ 51
3.1.4. Lượng mưa tháng ..................................................................................... 60
3.2. Đánh giá khả năng dự báo một số hiện tượng cực đoan ............................. 69
Kết luận ..................................................................................................................... 94
TÀI LIỆU THAM KHẢO ......................................................................................... 96
4
DANH MỤC HÌNH
Hình 1.1. Sự khác nhau giữa: hình trên - nhiệt độ không khí 2m (0C), hình dưới –
bức xạ sóng ngắn đi ra khỏi đỉnh khí quyển (Wm-2). Bên trái là mùa hè (JJA), bên
phải là mùa đông (DJF). ............................................................................................ 14
Hình 1.2. Sự tăng nhiệt độ trung bình dẫn đến tăng nhiệt độ cực đoan. Nguồn: US
Climate Change Science Program / Southwest Climate Change Network ............... 18
Hình 2.1. Miền tính ................................................................................................... 25
Hình 2.2. Sơ đồ thể hiện phương pháp xử lý số liệu ................................................. 28
Hình 2.3. Quy trình thực hiện dự báo ....................................................................... 32
Hình 3.1. Nhiệt độ trung bình tháng mực 2m của các tháng được dự báo với hạn dự
báo từ 1 đến 6 tháng trước hiệu chỉnh , sau hiệu chỉnh và quan trắc. ....................... 36
Hình 3.2. Sai số ME, MAE, RMSE của T2m cho 17 tháng được dự báo ứng với
trường hợp hiệu chỉnh và không hiệu chỉnh ứng với hạn dự báo từ 1 đến 6 tháng. . 38
Hình 3.3. Nhiệt độ Tm cho 17 tháng ứng với các hạn dự báo trên toàn quốc ứng với
trường hợp dự báo chưa hiệu chỉnh, hiệu chỉnh và quan trắc. .................................. 42
Hình 3.4. Sai số ME, MAE, RMSE của Tm ứng với trường hợp dự báo chưa hiệu
chỉnh, hiệu chỉnh. ...................................................................................................... 44
Hình 3.5. Sai số ME, MAE, RMSE của Tm trên khu vực B3 cho 17 tháng được dự
báo ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh. .............................................. 45
Hình 3.6. Sai số ME, MAE, RMSE của Tm trên khu vực B4 cho 17 tháng được dự
báo ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh. .............................................. 46
Hình 3.7. Sai số ME, MAE, RMSE của Tm trên khu vực N3 cho 17 tháng được dự
báo ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh. .............................................. 47
Hình 3.8. Nhiệt độ Tx cho 17 tháng được dự báo ứng với các hạn dự báo trên toàn
quốc ứng với trường hợp dự báo chưa hiệu chỉnh, hiệu chỉnh và quan trắc. ............ 51
Hình 3.9. Sai số ME, MAE, RMSE của Tm ứng với trường hợp chưa hiệu chỉnh,
hiệu chỉnh. ................................................................................................................. 52
Hình 3.10. Sai số ME, MAE, RMSE của Tx trên khu vực B3 cho 17 tháng được dự
báo ứng với trường hợp chưa hiệu chỉnh và hiệu chỉnh. ........................................... 54
Hình 3.11. Sai số ME, MAE, RMSE của Tx trên khu vực N3 cho 17 tháng được dự
báo ứng với trường hợp chưa hiệu chỉnh và hiệu chỉnh. ........................................... 55
5
Hình 3.12. Sai số ME, MAE, RMSE của Tx trên khu vực N3 cho 17 tháng được dự
báo ứng với trường hợp chưa hiệu chỉnh và hiệu chỉnh. ........................................... 56
Hình 3.13. Tổng lượng mưa hàng tháng của 17 tháng được dự báo cho hạn dự báo 1
đến 6 tháng ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh và quan trắc. ............. 60
Hình 3.14. Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,
hiệu chỉnh. ................................................................................................................. 61
Hình 3.15. Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,
hiệu chỉnh trên khu vực B3. ...................................................................................... 63
Hình 3.16. Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,
hiệu chỉnh rên khu vực B4. ....................................................................................... 64
Hình 3. 17. Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,
hiệu chỉnh trên khu vực N3. ...................................................................................... 65
Hình 3.18. Sai số trung bình ME của tổng số ngày ba tháng mùa hè 2012 có Tm <
TN10 tại 4 thời điểm dự báo ..................................................................................... 69
Hình 3.19. Sai số MAE của tổng số ngày ba tháng mùa hè 2012 có Tm < TN10 tại 4
thời điểm dự báo khác nhau ...................................................................................... 71
Hình 3.20. Sai số ME của tổng số ngày ba tháng mùa hè 2012 có Tx > TX90 tại 4
thời điểm dự báo........................................................................................................ 72
Hình 3.21. Sai số MAE của tổng số ngày ba tháng mùa hè 2012 có Tx > TX90 tại 4
thời điểm dự báo khác nhau ...................................................................................... 73
Hình 3.22. Sai số ME của tổng số ngày ba tháng mùa hè 2012 có R> R95 tại 4 thời
điểm dự báo ............................................................................................................... 74
Hình 3.23. Sai số MAE của tổng số ngày ba tháng mùa hè 2012 có R > R95 tại 4
thời điểm dự báo........................................................................................................ 75
Hình 3.24. Sai số ME của tổng số ngày ba tháng mùa hè 2012 có R > R99 tại 4 thời
điểm dự báo ............................................................................................................... 76
Hình 3.25. Sai số MAE của tổng số ngày ba tháng mùa hè 2012 có R > R99 tại 4
thời điểm dự báo........................................................................................................ 77
Hình 3.26. Sai số ME của tổng số ngày ba tháng mùa đông 2012 có Tm<TN10 tại 4
thời điểm dự báo........................................................................................................ 78
Hình 3.27. Sai số MAE của tổng số ngày ba tháng mùa đông 2012 có Tm<TN10 tại
4 thời điểm dự báo..................................................................................................... 79
6
Hình 3.28. Sai số ME của tổng số ngày ba tháng mùa đông 2012 có Tm > TN90 tại
4 thời điểm dự báo..................................................................................................... 80
Hình 3.29. Sai số MAE của tổng số ngày ba tháng mùa đông 2012 có Tm > TN90
tại 4 thời điểm dự báo ............................................................................................... 81
Hình 3.30. Sai số ME của tổng số ngày ba tháng mùa đông 2012 có Tx<TX10 tại 4
thời điểm dự báo........................................................................................................ 82
Hình 3.31. Sai số MAE của tổng số ngày ba tháng mùa đông 2012 có Tx< TX10 tại
4 thời điểm dự báo..................................................................................................... 83
Hình 3.32. Sai số ME của tổng số ngày ba tháng mùa đông 2012 có Tx>TX90 tại 4
thời điểm dự báo........................................................................................................ 84
Hình 3.33. Sai số MAE của tổng số ngày ba tháng mùa đông 2012 có Tx>TX90 tại
4 thời điểm dự báo..................................................................................................... 85
Hình 3.34. Sai số ME của tổng số ngày 6 tháng có Tm < TN10 ứng với 12 tháng
đứng dự báo. .............................................................................................................. 86
Hình 3.35. Sai số MAE của tổng số ngày 6 tháng có Tm < TN10 ứng với 12 tháng
đứng dự báo. .............................................................................................................. 86
Hình 3.36. Sai số ME của tổng số ngày 6 tháng có Tm > TN90 ứng với 12 tháng
đứng dự báo. .............................................................................................................. 87
Hình 3.37. Sai số MAE của tổng số ngày 6 tháng có Tm > TN90 ứng với 12 tháng
đứng dự báo. .............................................................................................................. 87
Hình 3.38. Sai số ME của tổng số ngày 6 tháng có Tx < TX10 ứng với 12 tháng
đứng dự báo. .............................................................................................................. 88
Hình 3.39. Sai số MAE của tổng số ngày 6 tháng có Tx < TX10 ứng với 12 tháng
đứng dự báo. .............................................................................................................. 89
Hình 3.40. Sai số ME của tổng số ngày 6 tháng có Tx > TX90 ứng với 12 tháng
đứng dự báo. .............................................................................................................. 89
Hình 3.41. Sai số MAE của tổng số ngày 6 tháng có Tx > TX90 ứng với 12 tháng
đứng dự báo. .............................................................................................................. 90
Hình 3.42. Sai số ME tổng số ngày 6 tháng có R > R95 ứng với 12 tháng đứng dự
báo. ............................................................................................................................ 90
Hình 3.43. Sai số MAE của tổng số ngày 6 tháng có R > R95 ứng với 12 tháng
đứng dự báo. .............................................................................................................. 91
7
Hình 3.44. Sai số ME của tổng số ngày 6 tháng có R > R99 ứng với 12 tháng đứng
dự báo. ....................................................................................................................... 92
Hình 3.45. Sai số MAE của tổng số ngày 6 tháng có R > R99 ứng với 12 tháng
đứng dự báo. .............................................................................................................. 92
8
DANH MỤC BẢNG
Bảng 1.1. Sự thay đổi nhiệt độ và albedo trong đô thị .............................................. 15
Bảng 2.1. Các trường hợp chạy dự báo ..................................................................... 26
Bảng 2.2. Danh sách 77 trạm sử dụng trong luận văn .............................................. 29
Bảng 3.1. Bảng giá trị nhiệt độ trung bình bề mặt .................................................... 40
Bảng 3.2 Sai số MAE của nhiệt độ trung bình tháng mực 2m (T2m) cho các tháng
được dự báo với hạn dự báo 1 đến 6 tháng ............................................................... 41
Bảng 3.3. Bảng giá trị nhiệt độ cực tiểu trung bình tháng ........................................ 49
Bảng 3.4. Sai số MAE của nhiệt độ cực tiểu trung bình tháng (Tm) cho các tháng
được dự báo với hạn dự báo 1 đến 6 tháng ............................................................... 50
Bảng 3.5. Bảng giá trị nhiệt độ cực đại trung bình tháng ......................................... 58
Bảng 3.6. Sai số MAE của nhiệt độ cực đại trung bình tháng (Tx) cho các tháng
được dự báo với hạn dự báo 1 đến 6 tháng ............................................................... 59
Bảng 3.7. Bảng giá trị lượng mưa tháng ................................................................... 67
Bảng 3.8. Sai số MAE của lượng mưa tháng (R) cho các tháng được dự báo với
hạn dự báo 1 đến 6 tháng .......................................................................................... 68
9
DANH MỤC VIẾT TẮT
AGCM Mô hình hoàn lưu chung khí quyển (Atmospheric General Circulation Model)
AMIP Atmospheric Model Intercomparison Project
AOGCM Mô hình hoàn lưu chung khí quyển-đại dương (Atmosphere-Ocean General Circulation Model)
B1 Tây Bắc
B2 Đông Bắc
B3 Đồng bằng Bắc bộ
B4 Bắc Trung bộ
CCSM Community Climate System Model
CS Cộng sự
CFS Climate Forecast System
CFSR Climate Forecast System Reanalysis
clWRF Climate WRF model
CRU Climatic Research Unit
ECE Extreme Climate Events
ECHAM Mô hình khí hậu toàn cầu (ECMWF – Hamburg)
F(x) Hàm phân bố
f(x) Hàm mật độ xác suất
Fi Giá trị mô hình
GCM Mô hình khí hậu toàn cầu
HadAM3 Hadley Centre Atmospheric Model version 3
KHCĐ Khí hậu cực đoan
L Hạn dự báo
MAE Sai số tuyệt đối trung bình
ME Sai số trung bình
N1 Nam Trung bộ
N2 Tây Nguyên
N3 Nam bộ
Oi Giá trị quan trắc
PCM Parallel Climate Model
p Xác suất
q Phân vị
R Tổng lượng mưa tháng
RCM Regional Climate Model
10
RCP The Representative Concentration Pathways
RegCM Regional Climate Model
RMSE Root Mean Square Error
R95 Số ngày mưa lớn hơn phân vị 95%
R99 Số ngày mưa lớn hơn phân vị 99%
SRES The Special Report on Emissions Scenarios
TBCHC, TBKHC Trung bình chưa hiệu chỉnh
TBHC Trung bình hiệu chỉnh
TBQT Trung bình quan trắc
Tm Nhiệt độ cực tiểu trung bình tháng
TN10 Số ngày có nhiệt độ cực tiểu nhỏ hơn phân vị 10%
TN90 Số ngày có nhiệt độ cực tiểu lớn hơn phân vị 90%
Tx Nhiệt độ cực đại trung bình tháng
TX10 Số ngày có nhiệt độ cực đại nhỏ hơn phân vị 10%
TX90 Số ngày có nhiệt độ cực đại lớn hơn phân vị 90%
T2m Nhiệt độ trung bình bề mặt mực 2m
X Biến khí hậu cực trị
x Tập giá trị của X
WRF Weather Research and Forecasting
11
Mở đầu
Bài toán dự báo mùa (hay dự báo hạn mùa) cho đến bây giờ vẫn là một trong
những vấn đề cấp thiết đặt ra với Việt Nam. Việc dự báo sớm các yếu tố khí hậu
như nhiệt độ, lượng mưa cùng với các hiện tượng cực đoan được chú trọng trong
nhiều năm trở lại đây. Sự biến động bất thường của mưa, nhiệt độ cũng như các
hiện tượng cực đoan đang có xu hướng ngày càng phức tạp hơn. Việc dự báo được
sớm các yếu tố và hiện tượng này thực sự là vấn đề cấp thiết để cung cấp thông tin
phục vụ phòng tránh thiên tai, hạn chế những thiệt hại về người và của. Trong
nhiều năm qua, bài toán dự báo mùa không còn mới và quá khó khăn với các nước
có nền khoa học tiên tiến trên thế giới. Nhưng ở Việt Nam, mặc dù cũng đã được
quan tâm từ sớm nhưng những nghiên cứu vẫn còn nhiều hạn chế.
Ngày nay, cùng với các công trình nghiên cứu của các nhà khoa học đi trước
còn có sự hỗ trợ mạnh mẽ của công nghệ tính toán hiện đại, các mô hình dự báo số
trị ngày càng được cải tiến và sử dụng rộng rãi trong các nghiên cứu khí hậu. Nên,
việc nghiên cứu bài toán dự báo mùa cho các yếu tố thời tiết cũng hiện tượng khí
hậu cực đoan không còn bị hạn chế nhiều về mặt không gian và thời gian. Nó có thể
chi tiết hóa cho từng khu vực, tạo điều kiện thuận lợi cho những nghiên cứu sâu
hơn, mang tính ứng dụng cao hơn.
Nhằm góp phần vào việc xây dựng, phát triển bài toán dự báo mùa ở Việt
Nam, đề tài luận văn được chọn là: “Thử nghiệm dự báo hạn mùa một số yếu tố
và hiện tượng cực đoan ở Việt Nam bằng mô hình ClWRF”,
Bố cục của Luận văn gồm 3 chương:
Chương 1. Tổng quan: Chương này trình bày sơ lược về dự báo mùa; các công
trình nghiên cứu mô phỏng, dự báo mùa, các yếu tố và hiện tượng khí hậu cực đoan.
Chương 2. Số liệu và phương pháp nghiên cứu: Chương này giới thiệu tổng quan
về mô hình, số liệu, phương pháp xử lí số liệu và phương pháp đánh giá.
Chương 3. Kết quả và nhận xét: Chương này trình bày kết quả dự báo hạn mùa
một số trường trung bình tháng và một số chỉ số khí hậu cực đoan.
12
Chương 1. TỔNG QUAN
1.1. Sơ lược về dự báo mùa.
Hiện nay, bài toán dự báo thời tiết và dự báo mùa là hai bài toán được quan
tâm nhiều trong nghiệp vụ dự báo. Đối với dự báo thời tiết, thông thường hạn dự
báo khoảng 3–5 ngày và tối đa khoảng 5–10 ngày. Dự báo thời tiết cần phải chỉ ra
được trạng thái của khí quyển tại một địa điểm cụ thể, vào những thời điểm cụ thể
(từng ngày, thậm chí từng giờ) trong thời hạn dự báo. Khác với dự báo thời tiết, dự
báo mùa không chỉ ra trạng thái khí quyển vào những thời điểm cụ thể đến từng
ngày, thay vào đó là thông tin chung về điều kiện khí quyển trong từng khoảng thời
gian nhất định (chẳng hạn từng tháng, từng mùa – ba tháng, sáu tháng) trong thời
hạn dự báo. Nó có thể giúp chỉ ra những xu thế tiến triển của các hiện tượng thời
tiết, các yếu tố khí hậu từ quá khứ cho tới tương lai. Dự báo mùa, hay dự báo hạn
mùa, hay dự báo khí hậu hạn mùa có hạn dự báo đến tối đa (hiện nay) là một năm
[30].
Có hai cách tiếp cận dự báo hạn mùa là dự báo bằng phương pháp thống kê
và phương pháp mô hình động lực. Phương pháp thống kê là phương pháp đơn giản
nhất để dự báo dị thường các yếu tố so với khí hậu trung bình, quy mô tháng hay
mùa, sử dụng các nguyên tắc (bằng thống kê) liên kết các hình thế trong tương lai
với đặc tính khí hậu hiện tại. Điểm mạnh của phương pháp này là tương đối dễ áp
dụng bởi vì hầu như phụ thuộc vào thống kê khí hậu và sử dụng tài nguyên máy tính
khiêm tốn. Tuy nhiên, phương pháp đơn giản này vẫn tồn tại nhiều hạn chế. Các mô
hình thống kê chỉ sử dụng đơn thuần chuỗi số liệu trong quá khứ, dự báo các mối
liên hệ phức tạp mà không có các mối liên hệ cụ thể nào với các quá trình vật lý
cũng như động lực học nằm ẩn bên trong. Điều này có nghĩa là phương pháp hiệu
quả khi sự phát triển quy mô lớn là rõ rệt và theo một hướng nhưng rất khó để
lường trước những sự chuyển pha, ví dụ như từ nóng sang lạnh và ngược lại. Và
cuối cùng, phương pháp thường không nắm bắt được những yếu tố đột biến.
Phương pháp động lực nhìn chung chỉ mới bắt đầu từ khoảng 30 năm trở lại đây đối
với bài toán dự báo mùa. Phương pháp này sử dụng các mô hình hoàn lưu chung khí
quyển. Sự phát triển đáng kể hiện tại đã tạo ra một hệ thống tương tác đầy đủ trong
13
đó thành phần đại dương, khí quyển và mặt đất của mô hình tương tác liên tục với
nhau để cho ra các bản tin dự báo đến vài tháng.
Trong bối cảnh biến đổi khí hậu đang diễn ra nhanh chóng những thập niên
gần đây, cùng với những hậu quả đáng báo động mà nó đã gây ra như trận động đất
kinh hoàng tại Nhật Bản năm 2011, nắng nóng nghiêm trọng tại châu Âu, và gần
đây là cơn bão Haiyan (11/2013) đã gây ra hậu quả vô cùng to lớn với đất nước
Philippines…Bài toán dự báo mùa các yếu tố và hiện tượng cực đoan, dự báo bão
càng trở nên cấp thiết. Tại các nước phát triển, sự cải tiến không ngừng trong lĩnh
vực dự báo thời tiết cũng như nghiên cứu khí hậu quá khứ và tương lai trong nhiều
năm trở lại đây, đã làm bài toán dự báo mùa các yếu tố và hiện tượng khá tốt và
giảm thiểu đáng kể thiệt hại.
1.2. Một số công trình nghiên cứu mô phỏng và dự báo mùa.
Hiện nay, có nhiều mô hình khu vực (RCM) ngoài việc thực hiện bài toán dự
báo thời tiết, còn được cải tiến và nâng cấp để có thể phục vụ vào bài toán nghiên
cứu, mô phỏng, dự tính khí hậu. Zongxin Zhang và CS (2009) [35] đã sử dụng 2 mô
hình WRF và HadRM để tiến hành nghiên cứu tái tạo nhiệt độ cực đại, cực tiểu và
lượng mưa ngày bằng số liệu tái phân tích R-2 sau đó so sánh với các số liệu quan
trắc được trên toàn bộ các trạm Hoa Kỳ thuộc Tây Bắc Thái Bình Dương cho thời kì
2003-3007. Kết quả chỉ ra sai số cực đại Tx vào mùa xuân và mùa hè thấp hơn vào
mùa thu và mùa đông so với quan trắc. Với nhiệt độ cực tiểu cho kết quả gần với
quan trắc hơn. Tương quan thời gian giữa tái tạo với quan trắc của lượng mưa ngày
thấp ở cả 2 mô hình. Tuy nhiên, dự báo cho tương quan lại tăng với chuỗi thời gian
dài hơn. Dev Millstein và Surabi Menon (2011) [13], sử dụng mô hình WRF để
khảo sát phản hồi giữa sự thay đổi albedo bề mặt, nhiệt độ, lượng mưa và độ phủ
mây trung bình. Kết quả cho thấy, với sự chấp nhận đỉnh mây và chân mây lạnh,
với miền tính rộng, lượng bức xạ đi ra trung bình hàng năm tăng 0.16 ±0.03 Wm-2
(hình 1.1) và nhiệt độ lúc buồi chiều mùa hè ở các đô thị giảm 0.11 -0.530 (bảng
1.1).
14
Hình 1.1. Sự khác nhau giữa: hình trên - nhiệt độ không khí 2m (0C), hình dưới – bức xạ
sóng ngắn đi ra khỏi đỉnh khí quyển (Wm-2). Bên trái là mùa hè (JJA), bên phải là mùa
đông (DJF).
15
Bảng 1.1. Sự thay đổi nhiệt độ và albedo trong đô thị
Δ Temperature Location % Urbana Δ Albedo Summer (JJA) Winter (DJF) Columbus, OH 20% 0.02 – 0.02b – 0.05 San Antonio, TX 27% 0.03 – 0.08b – 0.10 San Diego, CA 28% 0.03 – 0.13 – 0.11 Jacksonville, FL 28% 0.03 + 0.01b – 0.06 San Jose, CA 29% 0.03 – 0.23 – 0.10 Dallas, TX 42% 0.05 – 0.09b – 0.08b Phoenix, AZ 47% 0.05 – 0.16 – 0.19 Miami, FL 54% 0.06 – 0.11 – 0.12 Chicago, IL 61% 0.07 – 0.27 – 0.12 Atlanta, GA 70% 0.08 – 0.12 – 0.21 Philadelphia, PA 75% 0.09 – 0.22 – 0.22 Houston, TX 86% 0.10 – 0.19 – 0.24 New York, NY 91% 0.10 – 0.30 – 0.24 Detroit, MI 95% 0.11 – 0.39 – 0.12 Los Angeles, CA 96% 0.11 – 0.53 – 0.41
a phần trăm vùng đất được coi giống như đô thị b nhiệt độ thay đổi không đáng kể so với 0
James M. Done và CS [20] sử dụng mô hình WRF để tái tạo khí hậu khu
vực, kết quả cho thấy rằng các vùng châu thổ lớn, dãy Rocky và khu vực tây Bắc
Thái Bình Dương có sự tăng nhẹ nhiệt độ còn các vùng sa mạc phía tây nam, thung
lũng Sacramento và San Joaquin ở Califonia có sự giảm nhẹ nhiệt độ bề mặt. Năm
2006, Wei Gao và CS [34] cũng đã mở rộng mô hình WRF dự báo thời tiết cho khí
hậu.
Năm 2011, Chakrit và CS [10] đã sử dụng mô hình WRF để xem xét sự thay
đổi của nhiệt độ và lượng mưa thời kì 1990-1999 tới 2045-2054 trên toàn bộ khu
vực Đông Nam Á. Xét trên cả miền tính, nhiệt độ được mô phỏng khá tốt với “cold
bias” sai số thiên âm cho nhiệt độ cực đại và “warm bias” thiên dương cho nhiệt độ
cực tiểu. Lượng mưa trung bình tăng và được mô phỏng tốt hơn vào mùa khô. Xét
trên quy mô địa phương và theo mùa, nhiệt độ dao động từ 0.1 đến 30C, ban ngày
dao động ít hơn ban đêm. Mùa khô lượng mưa giảm.
Năm 2012, Chakrit và CS [9] tiếp tục tiến hành sử dụng 8 sơ đồ tham số hóa
đối lưu với mô hình WRF lồng hai lưới 60km và 20km, để ước lượng lượng mưa
gió mùa trên khu vực Thái Lan với miền lưới là khu vực Đông Nam Á cho năm
16
2005. Đầu vào là số liệu tái phân tích của NCEP/NCAR. Kết quả cho thấy, sơ đồ
Best-Miller-Janjic cho sai số nhỏ nhất, phân bố mưa tốt nhất trên cả lưới tính và
từng khu vực địa phương. Các tác giả cũng thấy sự phù hợp của việc sử dụng mô
hình WRF để mô phỏng khí hậu khu vực.
Janime và Zaitao đã chỉ ra khả năng dự báo các dị thường cực trị trên quy mô
trung bình mùa tại Hoa Kỳ [21]. Tác giả đã chọn đợt lạnh dị thường vào tháng
7/2009 và đợt ẩm ướt nhất xảy ra vào tháng 10/2009 tại vùng trung tâm và phía
đông nước Mĩ để nghiên cứu. Kết quả cho thấy, WRF có thể dự báo “patterns” dị
thường nhiệt độ khá chính xác cả về vị trí và quy mô vùng dị thường. Tuy nhiên,
giá trị dự báo đưa ra lại thiên thấp so với quan trắc, chênh lệch khoảng 3-60C cho dự
báo tháng 7/2009. Trên dãy núi Rocky và khu vực phía Tây Bắc, Đông Bắc Mĩ, mô
hình cho kết quả thấp hơn rất nhiều so với quan trắc thực tế. Với mưa, dự báo cho
mưa là bài toán khó hơn nhiệt độ trên quy mô mùa. Mô hình có khả năng chỉ ra xu
thế của mưa, tuy nhiên, các vị trí thể hiện các pattern dị thường lại không luôn chính
xác. Dự báo cho trường hợp mưa tháng 10/2009, mô hình chỉ bắt được vị trí trung
tâm mà không bắt được mưa tại phía Bắc và phía Nam.
Trong nghiên cứu của Daniel Argueso và CS (2012) [11], có thể thấy mô
hình WRF không chỉ ước lượng được các trường trung bình mùa, tháng, năm mà
còn đánh giá được các chỉ số cực đoan như lượng mưa ngày lớn nhất (RX1day),
lượng mưa 5 ngày lớn nhất (RX5day), trung bình số ngày ẩm cực đại liên tiếp hàng
năm (CWD - the mean annual number of maximum consective wet days), trung
bình số ngày khô hạn cực đại liên tiếp hàng năm (CDD – the mean annual number
of maximum consective dry days), số ngày có mưa vượt quá 10mm (R10 – the
number of days that exceed 10mm). Tuy sai số là không tránh khỏi nhưng một lần
nữa, nghiên cứu chỉ ra được xu thế và pattern của các yếu tố trên quy mô địa
phương là khá rõ ràng.
Ở Việt Nam, cho đến nay chưa có nghiên cứu nào sử dụng mô hình WRF để
dự báo mùa dài hạn lên từ một tháng trở lên mà mới chỉ sử dụng một số các mô
hình khí hậu khu vực như RegCM, MM5 trong đề tài nghiên cứu cấp Nhà nước
17
KC08.29/06-10 “Nghiên cứu tác động của biến đổi khí hậu toàn cầu đến các yếu tố
và hiện tượng khí hậu cực đoan ở Việt Nam, khả năng dự báo và giải pháp chiến
lược ứng phó” do GS. TS. Phan Văn Tân làm chủ nhiệm.
18
1.3. Về các yếu tố và hiện tượng khí hậu cực đoan
Theo chương trình nghiên cứu biến đổi khí hậu của Hoa kỳ đã chỉ ra sự tăng
nhiệt độ và các cực trị nhiệt độ trong tương lai (hình 1.2). Nhiệt độ trung bình tăng
dẫn đến việc tăng nhiệt độ cực đoan trong tương lai. Tuy nhiên, nhiệt độ lạnh hơn
vẫn xuất hiện nhưng sẽ ít hơn hiện tại.
Hình 1.2. Sự tăng nhiệt độ trung bình dẫn đến tăng nhiệt độ cực đoan. Nguồn: US Climate
Change Science Program / Southwest Climate Change Network
Kiktev và CS (2003) [22] đã đánh giá khả năng mô phỏng ECE của mô hình
AGCM HadAM3. Các tác giả nhận thấy, xu thế giá trị năm của các chỉ số khí hậu
ước tính trên lưới (mô hình) cho thời kỳ 1950-1995 biểu diễn rõ ràng hơn bức tranh
các kiểu xu thế trong các chỉ số khí hậu so với việc xem xét chúng dựa trên số liệu
trạm trực tiếp. Các xu thế tính trên lưới cũng cho phép so sánh xu thế quan trắc với
xu thế mô phỏng bởi mô hình khí hậu thích hợp chạy với các điều kiện biên quan
trắc biến đổi của SST, qui mô băng biển và những kết hợp khác của tác động do con
người. Kết quả sử dụng kỹ thuật bootstrap đánh giá tính bất định trong ước lượng
xu thế trên lưới và ý nghĩa trường của các kiểu xu thế quan trắc cho thấy: có sự
19
giảm đáng kể số ngày băng giá và tăng số đêm nóng. Những vùng có sự tăng đáng
kể của cực trị mưa và số ngày giảm ở Bắc bán cầu.
Meehl và CS (2004a) [26] đã đánh giá kết quả mô phỏng số ngày sương giá
từ mô hình PCM (Parallel Climate Model) cho thế kỷ 20 trong đó có tính đến sự tác
động của các yếu tố như biến động mặt trời, núi lửa, xon khí, ôzôn và khí nhà kính.
Các kết quả mô phỏng và quan trắc đều cho thấy xu thế giảm khoảng 2 ngày cho
mỗi thập kỷ ở phía Tây nước Mỹ trong thế kỷ 20. Tuy nhiên, kết quả mô phỏng từ
PCM lại rất khác so với quan trắc trong vùng Đông Nam nước Mỹ (mô phỏng cho
giảm trong khi quan trắc lại cho tăng số ngày sương giá). Nguyên nhân dẫn đến sai
số này theo nhóm tác giả là do sự bất ổn định của mô hình PCM khi mô phỏng tác
động của các hiện tượng El Nino cho vùng Đông Nam nước Mỹ. Meehl và Warren,
và CS (2004b) [27] cũng sử dụng mô hình PCM để đánh giá khả năng mô phỏng số
đợt nóng (heat wave) trong thời kỳ 1961-1990 dựa trên tiêu chí 1 đợt nóng là có ít
nhất 3 ngày liên tiếp có đêm ấm. Các kết quả đánh giá cho thấy kỹ năng mô phỏng
của PCM là rất tốt.
Kharin và CS (2005) [28] đã đánh giá kỹ năng mô phỏng các ECE liên quan
đến nhiệt độ và mưa dựa trên 15 GCM trong dự án AMIP-2. Kết quả cho thấy, hầu
hết các GCM mô phỏng tốt các cực trị nhiệt độ, đặc biệt là các cực trị nhiệt độ tối
cao. Tuy nhiên, hầu hết các mô hình không mô phỏng tốt cho các cực trị mưa, đặc
biệt là cho vùng nhiệt đới.
Sun và CS (2006) [31] đã khảo sát cường độ mưa ngày được mô phỏng từ 18
AOGCM và nhận thấy hầu hết các mô hình cho lượng mưa mô phỏng ít hơn so với
thực tế. Ngoài ra, sai số hệ thống là không rõ ràng dẫn đến lượng mưa trung bình
theo mùa không đáng tin cậy. Kimoto và CS (2005) [23] đã nghiên cứu mô phỏng
lượng mưa ngày cho khu vực Nhật Bản dựa trên một AOGCM với độ phân giải thô
và cao. Các kết quả đánh giá cho thấy phân bố mưa trong trường hợp sử dụng phân
giải cao đáng tin cậy hơn độ phân giải thô. Emori và CS (2005) [15] đã chỉ ra rằng
các mô hình AGCM với độ phân giải cao có thể mô phỏng tốt các cực trị mưa nếu
mô hình có khả năng kìm hãm đối lưu khi độ ẩm tương đối tại các vùng lân cận nhỏ
20
hơn 80%. Hay nói cách khác, cực trị mưa được mô phỏng từ các GCM rất nhạy với
các sơ đồ tham số hóa đối lưu. Chẳng hạn, nghiên cứu của Kiktev và CS (2003)
[22] với mô hình HadAM3 GCM cho thấy kỹ năng mô phỏng sự thay đổi các cực
trị mưa là rất kém. May (2004) [25] đã nghiên cứu sự biến đổi các cực trị mưa ngày
dựa trên mô phỏng từ mô hình ECHAM4 GCM và nhận thấy mô hình này mô
phỏng khá tốt cho hầu hết các khu vực thuộc Ấn Độ nhưng lại thiên cao cho khu
vực trung tâm của Ấn Độ. Theo hướng này, Iorio và CS (2004) [19] đã nghiên cứu
tác động của độ phân giải mô hình tới kết quả mô phỏng lượng mưa ở Hoa Kỳ dựa
trên mô hình CCM3 và thấy rằng các mô phỏng với độ phân giải cao sẽ tạo ra các
phân bố mưa ngày tin cậy hơn độ phân giải thô (thường cho nhiều ngày mưa với
lượng mưa nhỏ). Tuy nhiên, không phải lúc nào độ phân giải cao cũng tạo ra kết
quả mô phỏng mưa tốt mà phải kết hợp sự cải tiến trong các sơ đồ tham số hóa đối
lưu và mây.
Duffy P. B. và CS (2006) [14] phân tích kết quả mô phỏng khí hậu hiện tại và
tương lai ở tây Hoa Kỳ được thực hiện với 4 RCM lồng vào 2 AOGCM. Mục đích
của các tác giả là đánh giá mức độ phản ứng lại của khí hậu khu vực đối với sự gia
tăng các khí nhà kính. Bốn RCM được ứng dụng cho các miền tính, các kịch bản
tăng khí nhà kính khác nhau, và trong một số trường hợp các điều kiện biên khác
nhau, để mô phỏng khí hậu tương lai. Đối với mô phỏng khí hậu hiện tại, mô phỏng
của RCM được so sánh với quan trắc và với các trường GCM làm điều kiện biên
cho RCM. Đối với mô phỏng khí hậu tương lai (khí nhà kính gia tăng), sản phẩm
của RCM được so sánh với nhau và với GCM điều khiển. Theo các tác giả, khi lấy
trung bình không gian trên khu vực tây Hoa Kỳ, kết quả của từng RCM gần như
tuân theo trường điều khiển GCM trên cùng một vùng, cả đối với khí hậu hiện tại và
tương lai. Phản ứng lại của giáng thủy mô hình trong nhiều khu vực không đáng kể
so với dao động giữa các năm. Các mô hình đều cho nhiệt độ gần bề mặt sẽ tăng lên
nhưng phân bố không gian không giống nhau về mức độ tăng. Bốn RCM cho những
ước lượng rất khác nhau về hàm lượng nước của tuyết trong khí hậu hiện tại, và
21
cũng rất khác nhau trong sự biến đổi hàm lượng hơi nước trong sự phản ứng lại với
các chất khí nhà kính gia tăng.
Caldwell và CS (2009) [8] đã dẫn ra kết quả mô phỏng 40 năm khí hậu trên
khu vực mà California nằm ở trung tâm bằng mô hình WRF độ phân giải ngang 12
km sử dụng số liệu điều kiện biên của CCSM3 độ phân giải 1o x 1.25o. Mô phỏng
của mô hình về trung bình giáng thủy, nhiệt độ 2m và tuyết phủ đã được so sánh với
quan trắc. Theo các tác giả, mô hình tái tạo phân bố không gian của giáng thủy khá
tốt nhưng lượng mưa mô hình vượt quá quan trắc đáng kể dọc theo các sườn đón
gió. Nguyên nhân là do mô hình cho cường độ giáng thủy lớn hơn; thực tế mô hình
cho tần suất giáng thủy thấp hơn quan trắc, và sai số trong mô phỏng giáng thủy là
do các quá trình bên trong WRF gây nên. Nhiệt độ được mô phỏng tốt trong tất cả
các mùa trừ mùa hè khi ẩm đất khô quá mức dẫn đến nhiệt độ mô phỏng cao hơn
vài độ trong cả CCSM3 và WRF.
Halenka T. và CS (2006) [17] đã sử dụng kết quả mô phỏng khí hậu trên khu
vực Cộng hòa Czech thời kỳ 40 năm từ 1961-2000 bằng mô hình RegCM3 để phân
tích các cực trị giáng thủy và nhiệt độ. Mô hình được chạy ở độ phân giải 45 km với
điều kiện biên là tái phân tích NCEP/NCAR. Theo các tác giả, việc so sánh với số
liệu trạm cho thấy mô hình mô phỏng tốt tần suất các sự kiện mưa ngày có cường
độ vừa và lớn cũng như cường độ mưa (giá trị lặp lại) ứng với các chu kỳ lặp lại, trừ
những trạm ở vùng núi. Sai số ở những trạm thuộc vùng núi có thể do độ phân giải
tương đối thô của mô hình không mô tả được điều kiện địa hình và có thể còn do
tham số hóa đối lưu gây nên. Mô hình cho mô phỏng thấp hơn thực tế về nhiệt độ
cực đại ngày (đặc biệt vào mùa nóng) và sự xuất hiện các sóng nóng (những giai
đoạn có nhiệt độ cao). Khả năng của mô hình được cải thiện trong mô phỏng nhiệt
độ cực tiểu ngày và các sự kiện sóng lạnh. Các tác giả cho rằng, để áp dụng mô hình
vào mô phỏng các sự kiện cực trị trên khu vực địa hình phức tạp như Cộng hòa
Czech cần tăng độ phân giải cao hơn nhằm mô tả tốt hơn điều kiện địa hình và do
đó sẽ làm giảm sai số của nhiệt độ cực đại ngày.
22
Sylla M. B. và CS (2009) [32] cũng đã nghiên cứu khí hậu hiện tại (thời kỳ
1981-2000) trên khu vực Tây Phi dựa trên hai kết quả mô phỏng của RegCM khi sử
dụng các nguồn số liệu điều kiện biên tương ứng là tái phân tích NCEP và sản phẩm
của AOGCM là ECHAM5. Giáng thủy và nhiệt độ từ hai mô phỏng được so sánh
với số liệu quan trắc CRU. Theo các tác giả, phân bố không gian của chúng là sát
thực tế. Biến trình năm rất chính xác. Mô phỏng cũng được đánh giá theo các
trường điều khiển qui mô lớn và cho thấy RCM thể hiện sự cải thiện đáng kể so với
các trường AOGCM. Việc đánh giá sai số giáng thủy mùa cho thấy mô phỏng của
RCM khô hơn thực tế và khô nhất vào các tháng 6-8 xung quanh các dãy núi. Điều
đó liên quan với mô phỏng lạnh hơn thực tế của nhiệt độ mà nó có liên hệ với mô
phỏng giáng thủy vượt quá quan trắc ở những nơi nằm ngoài các vùng núi. Mặc dù
vẫn còn sai số nhưng kết quả mô phỏng của RCM khá hợp lí và cho thấy khả năng
của AOGCM trong vai trò điều khiển RCM để dự tính khí hậu tương lai.
Ở Việt Nam, bài toán dự báo mùa các hiện tượng cực đoan cũng được quan
tâm từ sớm. Tuy nhiên, chúng vẫn chưa được đề cập một cách hệ thống. Trong số
các công trình nghiên cứu đã thực hiện có thể nói đáng chú ý nhất là kết quả của đề
tài nghiên cứu khoa học cấp Nhà nước “Tác động của ENSO đến thời tiết khí hậu,
môi trường và kinh tế xã hội” (19992001) do GS Nguyễn Đức Ngữ (2002) làm
Chủ nhiệm và trang web http://www.thoitietnguyhiem.net/general/introduce.aspx
“Hiện tượng thời tiết nguy hiểm” của Trung tâm Khí tượng Thủy văn Quốc gia, Bộ
Tài nguyên và Môi trường.
Nguyễn Đức Ngữ (2009) [1] cho rằng, số ngày nắng nóng trong thập kỷ
1991-2000 nhiều hơn so với các thập kỷ trước, đặc biệt ở Trung Bộ và Nam Bộ.
Phân tích các trung tâm khí áp ảnh hưởng đến Việt Nam để giải thích sự tăng lên
của nhiệt độ trung bình trên một số trạm đặc trưng trong thời kỳ 1961-2000,
Nguyễn Viết Lành (2007) [2] cho rằng, nhiệt độ trung bình trong thời kỳ này đã
tăng lên từ 0,4-0,60C, nhưng xu thế tăng rõ rệt nhất xảy ra trong thập kỷ cuối và
trong mùa đông, đặc biệt là trong tháng 1, mà nguyên nhân là do sự mạnh lên của
áp cao Thái Bình Dương trong thời kỳ này. Tác giả Nguyễn Văn Tuyên (2007) [7]
23
cũng đã nghiên cứu “Xu hướng hoạt động của xoáy thuận nhiệt đới trên Tây Bắc
Thái Bình Dương và Biển Đông theo các cách phân loại khác nhau”. Sự phân bố
của bão được nghiên cứu trong đó bão được phân loại theo vùng ảnh hưởng và theo
cường độ rồi phân tích xu hướng hoạt động. Kết quả phân tích cho thấy, trong thời
kỳ 1951-2006, hoạt động của bão trên khu vực Tây Bắc Thái Bình Dương có xu
hướng giảm về số lượng, trong đó số cơn bão yếu và trung bình có xu hướng giảm,
còn số cơn bão mạnh lại có xu hướng tăng lên. Trên khu vực Biển Đông, những cơn
bão vào Biển Đông nhưng không vào vùng ven biển và đất liền nước ta lại có xu
hướng tăng về số lượng. Bão có xu hướng tăng lên ở hai vùng Trung Bộ và Nam Bộ
nhưng ở vùng Bắc Bộ lại có xu hướng giảm. Cường độ bão có xu hướng giảm,
trong đó các cơn bão yếu có xu hướng giảm rõ rệt nhất. Phan Văn Tân và CS (2009)
[4] sử dụng mô hình khí hậu khu vực RegCM để đánh giá một số yếu tố khí hậu cực
đoan đã cho thấy mô hình mô phỏng tốt đối với nhiệt độ cực đại, nhiệt độ cực tiểu
và tốc độ gió cực đại tháng trên hầu hết các khu vực. Cũng theo tác giả Phan Văn
Tân và CS (2009) [3] sử dụng mô hình RegCM để dự báo hạn mùa các trường bề
mặt cho thấy mô hình đã nắm bắt khá hợp lý qui luật phân bố nhiệt độ trên khu vực
Việt Nam, sai số mô phỏng khá ổn định và có tính hệ thống.
24
Chương 2-SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
2.1. Mô hình và thí nghiệm
2.1.1. Sơ lược về mô hình
Mô hình WRF (Weather Research and Forecasting model) được sử dụng rất
nhiều trong dự báo nghiệp vụ trên thế giới [20], [36]. Gần đây, mô hình này được
phát triển cho việc nghiên cứu khí hậu cùng với nhiều mô hình khác như MM5,
RegCM cũng đã cho những kết quả rất đáng quan tâm [12], [18]. Trong luận văn sử
dụng mô hình WRF 3.3.1 phiên bản cải tiến cho việc mô phỏng khí hậu khu vực và
được gọi là clWRF (Climate WRF model). Mô hình clWRF về cơ bản vẫn giữ
nguyên các “module” của phiên bản thời tiết, chỉ khác nó được cung cấp thêm các
module để sử dụng với các kịch bản phát thải khí nhà kính SRES cũng như các kịch
bản RCP phục vụ bài toán nghiên cứu khí hậu. Bên cạnh đó, mô hình cải tiến này
hoạt động với việc sử dụng sơ đồ bức xạ CAM. Mô hình đã giúp ích rất nhiều trong
việc tạo ra những file đầu ra chứa các biến cực trị, các giá trị độ lệch chuẩn của các
yếu tố như nhiệt độ cực đại, nhiệt độ cực tiểu mực 2 mét, lượng giáng thủy cực đại,
cực tiểu, độ lệch chuẩn của nhiệt độ cực đại, cực tiểu, giáng thủy, độ ẩm riêng cực
đại, cực tiểu… Ngoài ra, đáng chú ý, kết quả xuất ra từ clWRF còn có thể mô
phỏng, tái tạo các khí nhà kính, các bức xạ mặt trời, gió gust [16].
Nhận thấy, những ưu điểm đáng kể của mô hình này cùng với những kết quả
mà các nhà khoa học trên thế giới đã đạt được khi sử dụng nó, và bên cạnh đó, ở
Việt Nam hiện chưa có nghiên cứu thử nghiệm bài toán dự báo mùa với clWRF nên
mô hình clWRF đã được lựa chọn cho luận văn.
2.1.2. Thiết kế thí nghiệm
a) Chạy dự báo
Một miền tính với độ phân giải 36km , 144 x 130 điểm lưới đã được thiết lập
(hình 2.1), bao phủ toàn bộ biển Đông và khu vực Đông Nam Á.
25
Hình 2.1. Miền tính
Các sơ đồ được lựa chọn cho mô hình bao gồm: sơ đồ băng đơn giản 3 lớp
WSM cho tùy chọn tham số vi vật lý, sơ đồ CAM cho cả tham số bức xạ song dài
và sóng ngắn (sơ đồ này nên được lựa chọn vì trong sơ đồ này có sự phân chia lớp
khí ozone biến đổi theo từng tháng và nó cho phép cập nhật nồng độ khí nhà kính
phụ thuộc vào các kịch bản phát thải khác nhau (SRES), đây là một cải tiến quan
trọng trong việc nghiên cứu khí hậu). Mô hình bề mặt đất Noah được lựa chọn để
biểu diễn thông lượng giữa khí quyển và mặt đất. Tham số hóa đối lưu với sơ đồ
Kain-Fritsch (new Eta).
Điều kiện biên cho mô hình được lấy từ sản phẩm đầu ra của mô hình dự báo
khí hậu toàn cầu CFS của NCEP (CFS 1.00). CFS chạy 4 dự báo một ngày tại các
thời điểm 00Z, 06Z, 12Z và 18Z với hạn dự báo 9 tháng. Tuy nhiên, NCEP chỉ cung
cấp miễn phí kết quả dự báo cho người sử dụng 6 tháng dự báo đầu tiên tại thời
điểm 00Z. Số liệu này được lưu trữ quay vòng 7 ngày, tức là chỉ lưu kết quả dự báo
của các lần chạy trong 7 ngày gần nhất. Do hạn chế về đường truyền và khả năng
lưu trữ nên số liệu được tải về chạy dự báo tại bộ môn Khí tượng chỉ được thực hiện
7 ngày một lần. Trong luận văn này đã tiến hành dự báo cho 58 trường hợp, từ
tháng 1 năm 2012 đến tháng 05 năm 2013 (bảng 2.1).
26
Bảng 2.1. Các trường hợp chạy dự báo
Thời điểm làm dự báo Các tháng được dự báo
20120109
2/2012 – 7/2012
20120116
20120123
20120130
20120213
3/2012 – 8/2012 20120220
20120227
20120305
4/2012 – 9/2012 20120312
20120319
20120402
5/2012 – 10/2012 20120416
20120423
20120514
6/2012 – 11/2012 20120521
20120528
20120604
7/2012 – 12/2012
20120611
20120618
20120625
20120716
8/2012 – 1/2013 20120723
20120730
20120820 9/2012 – 2/2013
20120910
10/2012 – 3/2013 20120917
20121008
11/2012 – 4/2013
20121015
20121022
20121029
20121105
12/2012 – 5/2013 20121112
20121126
20121203
1/2013 – 6/2013 20121217
20121224
20121231
20130107
2/2013 – 7/2013
20130114
20130121
20130128
27
Thời điểm làm dự báo Các tháng được dự báo
20130204
3/2013 – 8/2013
20130211
20130218
20130225
20130304
4/2013 – 9/2013
20130311
20130318
20130325
20130401
5/2013 – 10/2013
20130408
20130415
20130422
20130429
20130506
6/2013 – 11/2013 20130513
20130520
20130527
b) Chạy mô phỏng khí hậu quá khứ 1981-2000
Do bản chất động lực và vật lý, mọi mô hình đều tiềm ẩn những sai số nhất
định, và vì vậy sản phẩm mô phỏng hoặc dự báo của mô hình nói chung không bao
giờ đạt được độ chính xác tuyệt đối. Trong bài toán dự báo mùa bằng phương pháp
hạ thấp qui mô động lực (dynamical downscaling)sử dụng các mô hình khu vực
(RCM), ngoài sai số của các RCM, đóng góp vào sai số dự báo còn có sai số của
chính các trường điều kiện ban đầu và điều kiện biên từ mô hình toàn cầu (GCM).
Do đó, để có thể hiệu chỉnh sản phẩm dự báo cần phải chạy các RCM với các
trường dự báo GCM trong quá khứ (dự báo lại - reforecast hoặc hindcast), và chúng
thường được dùng như là khí hậu mô hình (model climatology). Đối với hệ thống
CFS, các tập số liệu dự báo lại không còn được lưu trữ dưới dạng có thể dùng làm
đầu vào cho các RCM nên trong luận văn này chúng đã được thay thế bởi bộ số liệu
tái phân tích CFSR (độ phân giải 0.5 x 0.5 độ).
Cấu hình và miền tính thực hiện chạy mô phỏng cũng được thiết lập tương tự
như trong phần cài đặt chạy dự báo, chỉ khác đầu vào là số liệu tái phân tích từ hệ
thống dự báo khí hậu NCEP (CFSR 0.50) cho thời kỳ 1980-2000, với một năm đầu
tiên làm spin-up.
2.2. Số liệu và phương pháp x
Để đánh giá các y
đánh giá dựa trên:
- Bộ số liệu quan tr
thời kỳ 20 năm trong quá kh
- Bộ số liệu quan tr
- Bộ số liệu mô ph
tháng cho thời kỳ 1981
- Bộ số liệu dự
báo năm 2012 và 2013 (kí hi
Hình 2.
Kết quả mô phỏ
trạm quan trắc (bảng 2.2
OBS/ Model
28
hương pháp xử lý số liệu
đánh giá các yếu tố và hiện tượng cực đoan, trong luậ
u quan trắc trường nhiệt trung bình và tổng lượ
20 năm trong quá khứ giai đoạn 1981-2000 (kí hiệu là OBS_Cli).
u quan trắc nhiệt độ, lượng mưa tháng, ngày năm 2012 và 2013.
mô phỏng từ mô hình cho trường nhiệt độ
1981-2000 (kí hiệu là Mod_Cli).
ự báo từ mô hình cho nhiệt và mưa ở các trư
báo năm 2012 và 2013 (kí hiệu là Mod_FC)
Hình 2.2. Sơ đồ thể hiện phương pháp xử lý số
ỏng giai đoạn 20 năm 1981-2000 được trích
ng 2.2) theo trung bình từng ngày và từng
20 năm (1981-2000)
77 trạm
Trung bình tháng cho T
Tổng tháng cho R
67 trạm
Trung bình ngày cho T
Tổng ngày cho R
2012/2013
(a) 77 trạm
Trung bình tháng cho T
Tổng tháng cho R
(b) 67 trạm
Trung bình ngày cho T
Tổng ngày cho R
ận văn sẽ xem xét và
ợng mưa tháng, ngày
u là OBS_Cli).
năm 2012 và 2013.
và lượng mưa ngày,
các trường hợp làm dự
liệu
c trích xuất về 77 điểm
ng tháng với nhiệt độ,
(*)
TX90/TX10=67x12
(*)
TN90, TN10
(*)
R99, R95
29
tổng ngày và tháng với mưa để thực hiện tính toán và đánh giá bài toán đặt ra trong
luận văn.
Kết quả dự báo từ mô hình được tổ hợp đơn giản các dự báo trong cùng
tháng của năm thành một dự báo chung cho ngày và tháng. Việc xuất số liệu cũng
tương tự như với bộ mô phỏng thời kỳ quá khứ. Do số liệu quan trắc mới được xử lí
đến tháng 6/2013, nên luận văn chỉ đánh giá trên các dự báo từ tháng 1 năm 2012
đến tháng 5 năm 2013 (17 dự báo) để có điều kiện so sánh.
Bảng 2.2. Danh sách 77 trạm sử dụng trong luận văn
Name Lon Lat H Reg
MUONGTE 102.83 22.37 329 1
VANCHAN 104.52 21.58 274 2
MOCCHAU 104.68 20.83 971 1
PHUHO 105.23 21.45 54 2
BACNINH 106.08 21.18 8 3
CHILINH 106.38 21.08 33 3
TINHGIA 105.78 19.45 4 4
HUONGKHE 105.72 18.18 17 4
KYANH 106.28 18.07 2 4
TUYENHOA 106.02 17.88 27 4
ALUOI 107.28 16.22 572 4
NAMDONG 107.72 16.17 60 4
TAMKY 108.47 15.57 20 5
TRAMY 108.25 15.33 123 5
BATO 108.73 14.77 51 5
LAICHAU 103.15 22.07 243 1
SAPA 103.82 22.35 1584 2
HAGIANG 104.97 22.82 116 2
SONLA 103.9 21.33 676 1
BACGIANG 106.22 21.3 7 2
TUYENQUANG 105.22 21.82 40 2
VINHYEN 105.6 21.32 9 3
YENBAI 104.87 21.7 55 2
SONTAY 105.5 21.13 16 3
HOABINH 105.33 20.82 22 3
HANOI 105.8 21.03 7 3
PHULY 105.92 20.55 2 3
HUNGYEN 106.05 20.65 2 3
NAMDINH 106.15 20.39 3 3
Name Lon Lat H Reg
NINHBINH 105.97 20.23 1 3
HAIDUONG 106.3 20.93 2 3
VANLY 106.3 20.12 1 3
LANGSON 106.77 21.83 263 2
THAINGUYEN 105.83 21.6 35 2
NHOQUAN 105.73 20.32 3 3
BAICHAY 107.07 20.97 37 2
COTO 107.77 20.98 70 2
THAIBINH 106.35 20.45 1 3
BACHLONGVI 107.72 20.13 56 3
THANHHOA 105.78 19.75 5 4
HOIXUAN 105.12 20.37 102 4
TUONGDUONG 104.43 19.28 96 4
VINH 105.7 18.67 6 4
HATINH 105.9 18.35 2 4
DONGHA 107.08 16.85 7 4
HUE 107.58 16.43 9 4
QUANGNGAI 108.8 15.12 7 5
KONTUM 108 14.33 537 6
PLEIKU 108.02 13.97 778 6
ANKHE 108.65 13.95 422 6
TUYHOA 109.28 13.08 10 5
BMTHUOT 108.05 12.67 470 6
NHATRANG 109.2 12.22 4 5
DALAT 108.45 11.95 1508 6
BAOLOC 107.82 11.53 840 6
DAKNONG 107.68 12 631 6
PHUQUY 108.93 10.52 5 7
VUNGTAU 107.08 10.37 4 7
30
Name Lon Lat H Reg
RACHGIA 105.07 10 0 7
CANTHO 105.77 10.02 1 7
CAMAU 105.15 9.18 3 7
PHUQUOC 103.97 10.22 4 7
TRUONGSA 111.92 8.65 3 7
VIETTRI 105.42 21.3 30 3
DONGHOI 106.6 17.48 6 4
DANANG 108.2 16.03 5 5
QUYNHON 109.22 13.77 4 5
Name Lon Lat H Reg
AYUNPA 108.45 13.38 160 6
PHANTHIET 108.1 10.93 9 5
CONDAO 106.6 8.68 6 7
DIENBIEN 103 21.37 475 1
YENCHAU 104.3 21.05 314 1
BACQUANG 104.87 22.5 73 2
TAMDAO 105.65 21.47 934 2
BAVI 105.42 21.15 30 3
PHULIEN 106.63 20.8 112 3
Xử lý số liệu để dự báo các trường trung bình tháng.
Số liệu trung bình tháng của thời kỳ 20 năm cho quan trắc và mô phỏng được
dùng để thực hiện hiệu chỉnh cho số liệu dự báo.
- Số liệu quan trắc trung bình từng tháng của 20 năm thời kỳ 1981-2000
của 77 trạm trừ đi số liệu mô phỏng khí hậu cùng thời kỳ sẽ được giá trị
chênh lệch giữa quan trắc và dự báo.
∆��=����_������
��
���
−����_������
��
���
Trong đó, i là chỉ số theo năm, j là chỉ số theo trạm, k là chỉ số theo tháng
- ∆�� là bộ số liệu dùng để hiệu chỉnh cho các trường hợp chạy dự báo khi
đó kết quả mô hình sau khi hiệu chỉnh sẽ thu được theo công thức:
���� = ���_���� + ∆��
Xử lý số liệu để dự báo hiện tượng cực đoan
Từ bộ số liệu ngày của thời kỳ 20 năm cho cả mô phỏng và quan trắc, các
ngưỡng phân vị được tính cho 67 trạm x 12 tháng để làm giá trị chuẩn, cụ thể: tính
phân vị thứ 10 và thứ 90 (TN10, TN90) cho nhiệt độ cực tiểu ngày; phân vị thứ 10
và thứ 90 (TX10, TX90) cho nhiệt độ cực đại ngày; tính phân vị thứ 99 và thứ 95
(R99 và R95) cho lượng mưa ngày.
Cách tính các phân vị:
31
Gọi X là một biến khí hậu cực trị nào đó có hàm phân bố là F(x), hoặc hàm
mật độ xác suất là f(x). Khi đó tập các giá trị x của X thỏa mãn điều kiện sau được
gọi là tập các giá trị cực đoan của X, hay yếu tố khí hậu cực đoan:
pxXPxxXx mm )(|, (2.1)
hoặc
pxXPxxXx MM 1)(|, (2.2)
với
mx
a
mm dxxfxFxXPp0
)()()( (2.3)
hoặc
0
)()(1)(b
x
MM
M
dxxfxFxXPp (2.4)
Nghĩa là xác suất xuất hiện sự kiện X<xm hoặc X>xM bằng p.
Phân vị thứ q của biến ngẫu nhiên X là giá trị xq của X thỏa mãn điều kiện:
xq = x[F(x) = q%] (2.5)
Hay nói cách khác, xq là nghiệm của phương trình F(x) = q%.
Từ các công thức (2.4) và (2.5), các ngưỡng phân vị 10%, phân vị 90% cho
nhiệt độ cực đại và cực tiểu; phân vị 95% và phân vị 99% cho lượng mưa được tính
toán. Các ngưỡng này được xem là ngưỡng chuẩn để xác định số ngày xảy ra cực
đoan.
Từ tập số liệu ngày của các trường hợp dự báo và quan trắc xác định số ngày
có giá trị vượt hoặc dưới ngưỡng phân vị đã tính ở trên.
2.3. Hạn dự báo
Kết quả thu được từ mô hình chạy dự báo cho mỗi trường hợp là 7 tháng,
tính cả tháng làm dự báo. Trong hình 2.3a chỉ ra quy trình dự báo khi xét cả tháng
làm dự báo. Cụ thể, L=0 ứng với tháng đứng dự báo, L=1, 2,..., 6 là các tháng tiếp
theo tháng làm dự báo (các tháng được dự báo), tức là hạn dự báo từ 1 đến 6 tháng
(hình 2.3b). Trong hình này,
trục tung là hạn dự báo (h
trái sang phải là 6 tháng đư
các hạn dự báo.
32
b). Trong hình này, trục hoành thể hiện các tháng đư
báo (hạn từ 1 đến 6 tháng), các ô trên cùng m
i là 6 tháng được dự báo bắt đầu từ tháng sau tháng làm d
Hình 2.3. Quy trình thực hiện dự báo
n các tháng được dự báo (Target),
n 6 tháng), các ô trên cùng một đường chéo từ
tháng làm dự báo ứng với
33
2.4. Đánh giá dự báo
Trong các công thức dưới đây, Fi và Oi tương ứng là giá trị mô hình và giá
trị quan trắc của một biến nào đó (nhiệt độ, lượng mưa), i=1,2,…, N, N là tổng số
trạm được xem xét.
1. Sai số trung bình (ME - Mean Error)
N
1iii )OF(
N
1ME
Giá trị của ME nằm trong khoảng (-∞, +∞). ME cho biết xu hướng lệch trung
bình của giá trị dự báo so với giá trị quan trắc, nhưng không phản ánh độ lớn của sai
số. ME dương cho biết giá trị dự báo vượt quá giá trị quan trắc và ngược lại. Mô
hình được xem là “hoàn hảo” (không thiên lệch về một phía nào cả) nếu ME=0.
2. Sai số tuyệt đối trung bình (MAE-Mean Absolute Error)
N
1iiOiF
N
1MAE
Giá trị MAE nằm trong khoảng (0,+∞). MAE biểu thị biên độ trung bình của
sai số mô hình nhưng không nói lên xu hướng lệch của giá trị dự báo và quan trắc.
Khi MAE = 0, giá trị của mô hình hoàn toàn trùng khớp với giá trị quan trắc, mô
hình được xem là “lý tưởng”. Thông thường MAE được sử dụng cùng với ME để
đánh giá độ tin cậy. Chẳng hạn, nếu MAE của sản phẩm khác biệt hẳn so với ME
thì việc hiệu chỉnh là hết sức mạo hiểm. Trong trường hợp ngược lại, khi mà MAE
và ME tương đối “sát” với nhau thì có thể dùng ME để hiệu chỉnh sản phẩm dự báo
một cách đáng tin cậy.
3. Sai số bình phương trung bình quân phương (RMSE - Root mean square
Error)
N
1i
2ii )OF(
N
1RMSE
(2.6)
(2.7)
(2.8)
34
Sai số bình phương trung bình là một trong những đại lượng cơ bản và
thường được sử dụng phổ biến cho việc đánh giá kết quả của mô hình dự báo số trị.
Người ta thường hay sử dụng đại lượng sai số bình phương trung bình quân phương
(RMSE) biểu thị độ lớn trung bình của sai số. Đặc biệt RMSE rất nhạy với những
giá trị sai số lớn. Do đó nếu RMSE càng gần MAE sai số mô hình càng ổn định và
có thể thực hiện việc hiệu chỉnh sản phẩm mô hình. Giống như MAE, RMSE không
chỉ ra độ lệch giữa giá trị dự báo và giá trị quan trắc. Giá trị của RMSE nằm trong
khoảng (0,+ ∞)
35
Chương 3. KẾT QUẢ VÀ NHẬN XÉT
3.1. Dự báo các trường trung bình tháng.
3.1.1. Nhiệt độ trung bình tháng mực 2m.
Hình 3.1 dẫn ra nhiệt độ trung bình bề mặt 2m (T2m) của 77 trạm tại các
tháng được dự báo (từ tháng 2/2012 đến tháng 6/2013) cho hạn dự báo từ 1 tháng
đến 6 tháng ứng với ba trường hợp: (1) dự báo của mô hình (T2m_TBCHC), (2) sau
hiệu chỉnh (T2m_TBHC) và (3) số liệu quan trắc (T2m_TBQT).
36
Hình 3.1. Nhiệt độ trung bình tháng mực 2m của các tháng được dự báo với hạn dự
báo từ 1 đến 6 tháng trước hiệu chỉnh , sau hiệu chỉnh và quan trắc.
Có thể nhận thấy rằng, T2m tại tất cả các tháng được dự báo từ mô hình đều
thấp hơn quan trắc khoảng 3.00C. Sau hiệu chỉnh chênh lệch giữa dự báo và quan
37
trắc chỉ còn khoảng 1.00C. Điều này cho thấy, việc hiệu chỉnh đã cải thiện đáng kể
kết quả dự báo của mô hình hầu như cho tất cả các hạn dự báo. Ứng với các thời
điểm làm dự báo khác nhau kết quả dự báo cho cùng một tháng được dự báo cho
thấy, T2m ít phụ thuộc vào thời điểm đứng dự báo. Chẳng hạn, với trường hợp chưa
hiệu chỉnh, đứng tại tháng 1, tháng 2, tháng 3 và tháng 4 dự báo cho tháng 5 đều
cho giá trị gần nhau khoảng 26.00C. Kết quả cũng thu được tương tự với trường hợp
hiệu chỉnh.
Kết quả dự cũng cho thấy, mô hình đã nắm bắt được biến trình năm của
T2m, tuy nhiên sai số dự báo có sự khác biệt giữa các mùa trong năm. Vào các
tháng chính đông và chính hè, giá trị dự báo cho kết quả tốt hơn các thời kì khác. Ba
tháng 6, 7, 8 nền nhiệt tương đối đồng đều khoảng 27.0-28.00C. Vào các mùa
chuyển tiếp (tháng 4 và tháng 10), mô hình cho kết quả kém hơn ở cả trường hợp
chưa hiệu chỉnh và hiệu chỉnh. Có thể thấy, các nhiệt độ dự báo cho tháng 4 và
tháng 10 đều thấp hơn so với quan trắc khoảng 2.00C đến 3.00C (bảng 3.1).
Hình 3.2 thể hiện sai số trung bình giữa dự báo khi chưa hiệu chỉnh
(ME_T2m_CHC), và đã hiệu chỉnh (ME_T2m_HC); sai số tuyệt đối trung bình
giữa dự báo khi chưa hiệu chỉnh (MAE_T2m_CHC) và đã hiệu chỉnh
(MAE_T2m_HC); sai số bình phương trung bình quân phương giữa dự báo
(RMSE_T2m_CHC) và đã hiệu chỉnh (RMSE_T2m_HC).
38
Hình 3.2. Sai số ME, MAE, RMSE của T2m cho 17 tháng được dự báo ứng với
trường hợp hiệu chỉnh và không hiệu chỉnh ứng với hạn dự báo từ 1 đến 6 tháng.
Từ hình vẽ có thể nhận thấy, trước khi hiệu chỉnh, giá trị của ME đều âm ở
tất cả các tháng được dự báo và các hạn dự báo, nghĩa là, mô hình dự báo thiên thấp
so với quan trắc. Biến thiên của ME trong trường hợp này vào khoảng -5.0 đến -
0.5oC. Sau khi hiệu cỉnh sai số ME đã được cải thiện đáng kể với mức biến thiên
39
trong khoảng -2.5 đến 1.5oC, phổ biến trong khoảng từ -1.5 đến 0oC. Mặc dù vậy,
sau khi hiệu chỉnh, sai số của mô hình vẫn phản ánh xu hướng thiên thấp của dự
báo. Khi chưa hiệu chỉnh, sai số MAE và RMSE rơi vào khoảng 1.5 đến 5.0oC, phổ
biến trong khoảng 2.5 đến 4.0oC. Tuy nhiên bậc giá trị của MAE và RMSE nói
chung tương đương nhau, chứng tỏ sai số dự báo không có những biến động đáng
kể. Đó cũng là lý do dẫn đến việc, sau khi hiệu chỉnh sai số MAE và RMSE đã
được cải thiện. RMSE đã giảm xuống còn từ 0.2 đến 3.00C, phổ biến trong khoảng
0.5 đến 2.50C. Sai số của các tháng chuyển mùa tương đối lớn, tháng 4/2012 khoảng
2.00C còn tháng 10 khoảng 2.50C sau khi đã hiệu chỉnh (Bảng 3.2).
40
Bảng 3.1. Bảng giá trị nhiệt độ trung bình bề mặt
Target
2012 2013
Lead time
(tháng) 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5
CHC
1 17.12 20.25 23.56 24.87 26.71 27.54 26.9 24.38 22.88 19.76 16.04 15.23 19.88 21.39 23.76 25.55 27.17
2 20.46 23.59 24.72 26.08 27.45 26.59 25.39 21.35 19.82 16.67 15.67 18.76 21.42 23.47 25.48 26.82 -99
3 23.36 25.09 26.75 27.26 26.47 23.8 21.61 20.64 15.99 16.86 18.24 21.62 23.12 25.16 26.67 -99 -99
4 24.83 26.64 27.59 26.61 24.03 21.85 18.78 16.42 15.89 18.92 21.95 24.1 24.63 26.38 -99 -99 -99
5 25.96 27.34 26.44 24.41 22.45 19.7 16.89 16.66 19.52 22.01 24.16 25.33 25.99 -99 -99 -99 -99
6 26.82 26.35 24.78 22.06 18.55 16.55 16.34 17.87 21.37 24.04 25.4 26.29 -99 -99 -99 -99 -99
HC
1 18.11 20.65 24.63 26.21 27.66 27.98 27.44 25.73 24.61 22.17 18.29 17.06 20.87 21.79 24.82 26.9 28.12
2 20.86 24.66 26.06 27.03 27.89 27.13 26.74 23.07 22.24 18.92 17.5 19.75 21.82 24.53 26.83 27.77 -99
3 24.43 26.43 27.7 27.7 27.02 25.15 23.33 23.06 18.23 18.69 19.24 22.02 24.19 26.5 27.62 -99 -99
4 26.18 27.59 28.03 27.15 25.38 23.58 21.2 18.66 17.72 19.92 22.35 25.17 25.97 27.33 -99 -99 -99
5 26.91 27.78 26.98 25.77 24.18 22.12 19.13 18.5 20.51 22.41 25.23 26.67 26.94 -99 -99 -99 -99
6 27.26 26.9 26.13 23.78 20.96 18.8 18.18 18.86 21.77 25.1 26.74 27.23 -99 -99 -99 -99 -99
OBS
1 19.35 22 25.96 27.61 28.15 27.73 27.6 26.01 25.25 23.75 21.01 18.38 21.62 24.15 25.36 27.63 27.77
2 22 25.96 27.61 28.15 27.73 27.6 26.01 25.25 23.75 21.01 18.38 21.62 24.15 25.36 27.63 27.77 -99
3 25.96 27.61 28.15 27.73 27.6 26.01 25.25 23.75 21.01 18.38 21.62 24.15 25.36 27.63 27.77 -99 -99
4 27.61 28.15 27.73 27.6 26.01 25.25 23.75 21.01 18.38 21.62 24.15 25.36 27.63 27.77 -99 -99 -99
5 28.15 27.73 27.6 26.01 25.25 23.75 21.01 18.38 21.62 24.15 25.36 27.63 27.77 -99 -99 -99 -99
6 27.73 27.6 26.01 25.25 23.75 21.01 18.38 21.62 24.15 25.36 27.63 27.77 -99 -99 -99 -99 -99
41
Bảng 3.2 Sai số MAE của nhiệt độ trung bình tháng mực 2m (T2m) cho các tháng được dự báo với hạn dự báo 1 đến 6 tháng
Target
2012 2013
Leadtime (tháng) 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6
CHC
1 2.82 2.17 2.48 2.85 1.66 1.03 1.17 1.92 2.46 4.02 5.01 3.39 2.14 2.88 1.86 2.22 1.12 -99
2 1.94 2.45 2.97 2.23 1.08 1.33 1.2 3.92 3.93 4.39 3.09 3.03 2.86 2.1 2.28 1.32 -99 -99
3 2.67 2.63 1.63 1.13 1.45 2.33 3.68 3.23 5.06 2.32 3.52 2.64 2.43 2.57 1.5 -99 -99 -99
4 2.85 1.72 1.38 1.33 2.13 3.44 4.96 4.66 3.02 2.95 2.32 1.72 3.07 1.64 -99 -99 -99 -99
5 2.35 1.25 1.57 1.78 2.86 4.05 4.17 2.51 2.45 2.32 1.54 2.41 1.96 -99 -99 -99 -99 -99
6 1.28 1.51 1.51 3.25 5.2 4.49 2.59 3.82 2.93 1.68 2.36 1.74 -99 -99 -99 -99 -99 -99
HC
1 1.5 1.5 1.44 1.49 0.58 0.4 0.38 0.52 0.66 1.6 2.72 1.38 0.9 2.37 0.72 0.89 0.46 -99
2 1.25 1.37 1.61 1.22 0.42 0.59 0.89 2.18 1.52 2.11 1.05 1.89 2.36 0.94 0.92 0.38 -99 -99
3 1.55 1.23 0.56 0.44 0.72 0.93 1.92 1.23 2.79 1.18 2.4 2.13 1.3 1.16 0.63 -99 -99 -99
4 1.45 0.63 0.64 0.54 0.72 1.67 2.55 2.38 1.12 1.75 1.82 0.58 1.67 0.66 -99 -99 -99 -99
5 1.35 0.51 0.75 0.42 1.08 1.66 1.94 1.54 1.25 1.81 0.41 1 0.93 -99 -99 -99 -99 -99
6 0.62 0.75 0.47 1.47 2.79 2.25 1.04 2.87 2.62 0.5 0.97 0.84 -99 -99 -99 -99 -99 -99
42
3.1.2. Nhiệt độ cực tiểu trung bình tháng
Nhiệt độ cực tiểu trung bình tháng (Tm) cho 17 tháng được dự báo với hạn 1
đến 6 tháng ứng với trường hợp dự báo chưa hiệu chỉnh (Tm_TBCHC), hiệu chỉnh
(Tm_TBHC) và quan trắc (Tm_TBQT), được chỉ ra ở hình 3.3.
Hình 3.3. Nhiệt độ Tm cho 17 tháng ứng với các hạn dự báo trên toàn quốc ứng với
trường hợp dự báo chưa hiệu chỉnh, hiệu chỉnh và quan trắc.
43
Từ hình vẽ ta thấy, trước khi hiệu chỉnh, Tm có giá trị thấp nhất là 12.00C và
cao nhất là 25.00C. Sau hiệu chỉnh, Tm đã tăng lên khoảng 2.00C với giá trị thấp
nhất là 14.00C và cao nhất là 26.00C. Trong khi đó, giá trị quan trắc thu được tương
ứng là 15.00C và 26.50C. Có thể thấy rằng, kết quả dự báo cũng đã nắm bắt được
biến trình năm của Tm ở cả hai trường hợp. Các hạn dự báo từ 1 đến 6 tháng, giá trị
dự báo của mô hình khi chưa hiệu chỉnh chênh lệch không đáng kể so với quan trắc.
Sau khi hiệu chỉnh sai số dự báo của Tm giảm đi đáng kể.
Thấy rằng, hạn dự báo càng ngắn (lead time càng nhỏ) thì giá trị nhiệt độ cực
tiểu trung bình tháng càng gần với quan trắc hơn. Chẳng hạn, trong trường hợp hiệu
chỉnh, đích dự báo là tháng 7, thời điểm dự báo tại tháng 1 và tháng 2, tương ứng
với hạn dự báo 6 tháng và 5 tháng, Tm có giá trị khoảng 25.00C, còn thời điểm
đứng dự báo tại tháng 5 và tháng 6, tương ứng với hạn dự báo 2 tháng và 1 tháng,
giá trị Tm là 26.50C, trong khi đó, nhiệt độ cực tiểu trung bình của tháng 7 là
27.00C.
44
Trên hình 3.4 biểu diễn các sai số ME, MAE, RMSE của nhiệt độ cực tiểu
trung bình tháng tại 17 tháng được làm dự báo với hạn dự báo từ 1 đến 6 tháng.
Hình 3.4. Sai số ME, MAE, RMSE của Tm ứng với trường hợp dự báo chưa hiệu
chỉnh, hiệu chỉnh.
Có thể thấy rằng, khi chưa hiệu chỉnh, Tm có sai số ME âm, với giá trị trong
khoảng -5.00 đến 00C, phổ biến khoảng -4.00 đến -2.00C. Điều đó cho thấy, mô hình
dự báo thiên thấp so với quan trắc. Sau hiệu chỉnh, giá trị của ME rơi vào khoảng -
3.50C đến 1.00C, tuy vậy, ME chủ yếu vẫn mang giá trị âm. Sai số MAE và RMSE
của dự báo dao động từ 1.50 đến 6.50C, phổ biến trong khoảng 2.50 đến 4.00C. Do
MAE không quá chênh lệch so với RMSE nên sau hiệu chỉnh sai số đã giảm đáng
kể, nằm trong khoảng 0.50 đến 3.50C. Vào tháng mùa đông và các tháng chuyển
mùa (tháng 4 và tháng 10) sai số MAE lớn hơn, tương ứng khoảng 4.00C và 2.50C.
45
Để đánh giá chi tiết hơn, sai số ME, MAE, RMSE cho trường hợp chưa hiệu
chỉnh (Tm_KHC), hiệu chỉnh (Tm_HC) và quan trắc (Tm_QT) trên cả 7 khu vực
khí hậu đã được tính toán. Sau đây sẽ phân tích chi tiết cho 3 vùng khí hậu tương
ứng đại diện cho khu vực phía Bắc, miền Trung và phía Nam: Đồng bằng Bắc bộ
(B3), Bắc Trung bộ (B4) và Nam bộ (N3).
Hình 3.5. Sai số ME, MAE, RMSE của Tm trên khu vực B3 cho 17 tháng được dự
báo ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh.
Hình 3.5 chỉ ra sai số ME, MAE, RMSE của Tm tại khu vực Đồng bằng Bắc
bộ với hạn dự báo từ 1 đến 6 tháng cho 17 tháng được dự báo. Rõ ràng, mô hình dự
báo Tm thiên thấp so với quan trắc, với khoảng dao động ME từ -5.00 đến 0.50C.
Các tháng mùa đông có số sai số MAE lớn nằm trong khoảng 5.00C đến 5.50C. Các
46
tháng mùa hè sai số MAE nhỏ, phổ biến từ 0.50C đến 2.50C. Với các hạn dự báo
khác nhau, sai số MAE không chênh lệch nhiều khi dự báo cho cùng một đích dự
báo. Chẳng hạn, đứng ở tháng 6, tháng 8, tháng 9, tháng 10, tháng 11 dự báo cho
Tm tháng 12 cho sai số MAE và RMSE chênh lệch không đáng kể ở cả hai trường
hợp hiệu chỉnh và chưa hiệu chỉnh. Điều này có nghĩa, việc dự báo Tm hầu như ít
phụ thuộc vào hạn dự báo. Tm có sai số MAE nhỏ trong các tháng mùa hè, và lớn
trong các tháng mùa đông.
Hình 3.6. Sai số ME, MAE, RMSE của Tm trên khu vực B4 cho 17 tháng được dự
báo ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh.
Tương tự như khu vực B3, khu vực B4 mô hình cũng thể hiện xu thế thiên
âm so với quan trắc ở hầu hết các hạn dự báo và các tháng được dự báo. Sai số ME
có giá trị phổ biến trong khoảng -5.00 đến 0.50C. Trước khi hiệu chỉnh, sai số MAE
và RMSE của Tm dao động từ 1.50 đến 5.50, phổ biến khoảng 3.00C. Sau hiệu
47
chỉnh, MAE và RMSE có giá trị nằm trong khoảng từ 0.50 đến 4.00. Trên khu vực
này, các tháng mùa hè, khi chưa có hiệu chỉnh, Tm có sai số nhỏ khoảng 1.50C và
các tháng mùa đông có sai số lớn, xấp xỉ 5.00. Sai số đã giảm đáng kể sau hiệu
chỉnh, nằm trong khoảng 0.50C đến 1.50 cho các tháng mùa hè và khoảng 2.50C đến
3.50C cho các tháng mùa đông.
Hình 3.7. Sai số ME, MAE, RMSE của Tm trên khu vực N3 cho 17 tháng được dự
báo ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh.
Từ hình 3.7 có thể thấy rằng, ở khu vực N3, trước khi hiệu chỉnh, Tm có giá
trị ME dương vào mùa hè và giá trị ME âm vào mùa đông. Giá trị ME nằm trong
khoảng -3.00 đến 1.00C. Điều này chứng tỏ, mô hình dự báo thiên dương vào mùa
hè, thiên âm vào mùa đông. Sau khi hiệu chỉnh, mô hình có xu thế thiên dương tại
một số tháng như tháng 4, tháng 5, tháng 9 năm 2012, và hầu hết các tháng năm
2013 với hạn dự báo 1 tháng, 2 tháng, 5 tháng và 6 tháng. Nhận thấy, sai số MAE
48
và RMSE trước và sau hiệu chỉnh tương đương nhau, giá trị dao động trong khoảng
0 đến 3.50C. Điều này cho thấy, sai số MAE và RMSE của Tm tương đối ổn định ở
hầu hết các hạn dự báo.
49
Bảng 3.3. Bảng giá trị nhiệt độ Tm trung bình
Target
2012 2013
Lead time
(tháng) 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5
CHC
1 13.68 16.89 19.72 21.4 23.49 24.6 24.24 21.6 20.12 17.23 13.23 12.54 16.67 18.23 20.21 22.02 23.88
2 16.57 19.54 21.3 22.72 24.7 23.73 22.96 17.87 17.3 13.8 12.43 15.19 18.14 19.8 21.87 23.36 -99
3 19.29 21.24 23.04 24.26 23.55 20.61 18.68 17.97 12.97 13.54 14.49 18.02 19.34 21.63 23.35 -99 -99
4 20.99 22.89 24.41 23.6 20.89 18.93 15.97 13.29 12.5 15.61 18.2 20.04 21.05 23.26 -99 -99 -99
5 22.69 24.2 23.09 21.21 19.66 17.05 13.93 12.86 15.84 18.47 20.57 21.8 22.64 -99 -99 -99 -99
6 23.72 23.45 21.49 18.94 16 13.58 13.27 14.37 17.81 20.08 21.89 23.21 -99 -99 -99 -99 -99
HC
1 14.97 17.79 21.24 23.09 24.67 25.2 25.02 23.46 22.16 19.64 15.41 14.64 17.96 19.12 21.73 23.71 25.07
2 17.46 21.06 22.99 23.91 25.3 24.5 24.82 19.91 19.72 15.97 14.54 16.48 19.04 21.32 23.56 24.54 -99
3 20.81 22.92 24.23 24.86 24.32 22.47 20.72 20.38 15.15 15.64 15.78 18.91 20.86 23.32 24.54 -99 -99
4 22.68 24.08 25.02 24.37 22.75 20.97 18.38 15.46 14.61 16.9 19.09 21.56 22.74 24.45 -99 -99 -99
5 23.87 24.8 23.87 23.07 21.69 19.46 16.1 14.97 17.13 19.36 22.09 23.48 23.82 -99 -99 -99 -99
6 24.32 24.22 23.35 20.98 18.42 15.76 15.38 15.66 18.7 21.61 23.57 24.4 -99 -99 -99 -99 -99
OBS
1 17.02 19.64 22.95 24.75 25.59 25.11 24.91 23.58 22.57 21.5 18.53 16.4 19.27 21.35 22.73 24.66 24.89
2 19.64 22.95 24.75 25.59 25.11 24.91 23.58 22.57 21.5 18.53 16.4 19.27 21.35 22.73 24.66 24.89 -99
3 22.95 24.75 25.59 25.11 24.91 23.58 22.57 21.5 18.53 16.4 19.27 21.35 22.73 24.66 24.89 -99 -99
4 24.75 25.59 25.11 24.91 23.58 22.57 21.5 18.53 16.4 19.27 21.35 22.73 24.66 24.89 -99 -99 -99
5 25.59 25.11 24.91 23.58 22.57 21.5 18.53 16.4 19.27 21.35 22.73 24.66 24.89 -99 -99 -99 -99
6 25.11 24.91 23.58 22.57 21.5 18.53 16.4 19.27 21.35 22.73 24.66 24.89 -99 -99 -99 -99 -99
50
Bảng 3.4. Sai số MAE của nhiệt độ cực tiểu trung bình tháng (Tm) cho các tháng được dự báo với hạn dự báo 1 đến 6 tháng
Target
2012 2013
Lead time
(tháng) 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6
CHC
1 3.92 3.13 3.45 3.48 2.43 1.39 1.41 2.46 2.73 4.37 5.41 4.23 3.05 3.32 2.78 2.88 1.8 -99
2 3.39 3.53 3.6 3.1 1.38 1.72 1.45 4.77 4.27 4.87 4.37 4.25 3.43 3.1 3.01 2.1 -99 -99
3 3.76 3.63 2.79 1.55 1.81 3.1 3.93 3.69 5.7 3.63 4.96 3.49 3.54 3.16 2.25 -99 -99 -99
4 3.84 2.92 1.39 1.73 2.85 3.7 5.53 5.43 4.37 3.96 3.33 2.95 3.71 2.11 -99 -99 -99 -99
5 3.12 1.59 2.11 2.64 3.04 4.48 4.7 4.13 3.77 3.16 2.43 3.02 2.57 -99 -99 -99 -99 -99
6 1.92 1.8 2.43 3.67 5.49 5.02 3.65 5.05 3.76 2.88 2.94 2.21 -99 -99 -99 -99 -99 -99
HC
1 2.22 1.92 1.76 1.71 1.03 0.47 0.5 0.51 0.6 1.86 3.12 1.77 1.36 2.24 1.06 1.05 0.39 -99
2 2.22 1.91 1.85 1.8 0.64 0.69 1.36 2.69 1.8 2.56 1.89 2.8 2.33 1.43 1.19 0.61 -99 -99
3 2.15 1.87 1.39 0.78 0.78 1.17 1.86 1.3 3.38 1.12 3.5 2.44 1.89 1.36 0.85 -99 -99 -99
4 2.08 1.54 0.6 0.69 0.9 1.61 3.11 3.09 1.9 2.38 2.27 1.26 1.93 0.6 -99 -99 -99 -99
5 1.77 0.81 1.07 0.6 0.9 2.05 2.46 1.76 2.2 2.03 0.72 1.2 1.17 -99 -99 -99 -99 -99
6 1.18 0.86 0.51 1.6 3.08 2.79 1.17 3.68 2.82 1.18 1.12 0.83 -99 -99 -99 -99 -99 -99
51
3.1.3. Nhiệt độ cực đại trung bình tháng
Nhiệt độ cực đại trung bình tháng (Tx) cho 17 tháng được dự báo với hạn 1
đến 6 tháng ứng với trường hợp dự báo chưa hiệu chỉnh (Tx_TBCHC), hiệu chỉnh
(Tx_TBHC) và quan trắc (Tx_TBQT), được chỉ ra ở hình 3.8.
Hình 3.8. Nhiệt độ Tx cho 17 tháng được dự báo ứng với các hạn dự báo trên toàn
quốc ứng với trường hợp dự báo chưa hiệu chỉnh, hiệu chỉnh và quan trắc.
Tương tự như T2m và Tm, từ hình 3.8 có thể thấy rằng, cả trước và sau hiệu
chỉnh, giá trị Tx đều thấp hơn quan trắc. Tx dao động từ 180C đến 310C trước hiệu
52
chỉnh, và tăng lên khoảng 21.00C đến 33.00C sau hiệu chỉnh. Kết quả ở cả hai
trường hợp đều thể hiện được biến trình mùa và biến trình năm. Hiệu chỉnh cho kết
quả gần với quan trắc nhất vào các tháng mùa đông, với chênh lệch khoảng 1.00C.
Hạn dự báo 1 tháng cho kết quả tốt nhất tại cả 17 tháng được dự báo. Chênh lệch
lớn nhất được thấy vào tháng 4, tháng 5 và tháng 10 với giá trị khoảng 1.50C.
Hình 3.9. Sai số ME, MAE, RMSE của Tm ứng với trường hợp chưa hiệu chỉnh,
hiệu chỉnh.
Hình 3.9 chỉ ra sai số ME, MAE, RMSE của Tx cho 17 tháng được dự báo
với hạn từ 1 đến 6 tháng trên toàn quốc ứng với trường hợp chưa hiệu chỉnh
(Tx_CHC), hiệu chỉnh (Tx_HC) và quan trắc (Tx_OBS). Có thể thấy, trước hiệu
53
chỉnh, giá trị ME dao động từ -4.50 đến -0.30C, chứng tỏ rằng mô hình có xu thế
thiên thấp so với quan trắc. Xu thế thiên âm đã chuyển dần sang thiên dương khi
hiệu chỉnh, với giá trị ME dao động từ -2.00 đến 2.00C. Thấy rằng, sai số MAE lớn
nhất khi chưa hiệu chỉnh là 5.50C, phổ biến trong khoảng 2.00C đến 3.50C và khi
hiệu chỉnh đã giảm xuống 2.20C, phổ biến trong khoảng 0.50 đến 2.00C. RMSE dao
động từ 1.50 đến 7.00 khi chưa hiệu chỉnh, sau khi hiệu chỉnh sai số được cải thiện
đáng kể, nằm trong khoảng 0.5 đến 4.00.
Các hình 3.10, 3.11 và 3.12 lần lượt biểu diễn sai số ME, MAE, RMSE của
Tx trên khu vực B3, B4 và N3 cho cả 17 tháng được dự báo cũng như các hạn dự
báo.
54
Hình 3.10. Sai số ME, MAE, RMSE của Tx trên khu vực B3 cho 17 tháng được dự
báo ứng với trường hợp chưa hiệu chỉnh và hiệu chỉnh.
Hình 3.10 biểu diễn sai số ME, MAE, RMSE trên khu vực B3 cho 17 tháng
được dự báo với hạn dự báo từ 1 đến 6 tháng ứng với trường hợp chưa hiệu chỉnh
(Tx_KHC), hiệu chỉnh (Tx_HC). Khi chưa hiệu chỉnh, giá trị ME âm nằm trong
khoảng từ -5.50C đến -0.50C ở cả 6 hạn dự báo của các tháng mùa đông. Ngược lại,
giá trị ME dương vào các tháng mùa hè, ở hầu hết các hạn dự báo, dao động trong
khoảng 0.0 đến 1.50C. Điều này chứng tỏ, mô hình cho xu hướng thiên dương vào
mùa đông, và thiên âm vào mùa hè. Sau khi hiệu chỉnh, ME nằm trong khoảng -1.50
đến 1.50 và có giá trị dương vào mùa đông và mùa hè. Như vậy, mô hình có xu thế
55
hầu như thiên dương ở cả hai mùa. Nhìn chung, mô hình sau khi hiệu chỉnh, giá trị
sai số MAE và RMSE đã giảm đáng kể ở khu vực này.
Hình 3.11. Sai số ME, MAE, RMSE của Tx trên khu vực N3 cho 17 tháng
được dự báo ứng với trường hợp chưa hiệu chỉnh và hiệu chỉnh.
Hình 3.11 biểu diễn sai số ME, MAE, RMSE trên khu vực B4 cho 17 tháng
được dự báo với hạn dự báo từ 1 đến 6 tháng ứng với trường hợp chưa hiệu chỉnh.
Nhận thấy rằng, kết quả sai số ME, MAE, RMSE chỉ ra trên khu vực B4 tương tự
như khu vực B3 nhưng sai số ổn định hơn ở các hạn dự báo. Trước hiệu chỉnh, giá
trị sai số MAE, RMSE tương đối cao, phổ biến nằm trong khoảng từ 2.50C đến
6.50C. Sai số này đã giảm đáng kể sau khi hiệu chỉnh, nằm trong khoảng từ 0.50 đến
3.50C. Biến trình mùa trong năm cũng được nắm bắt khá tốt trên khu vực này.
56
Hình 3.12. Sai số ME, MAE, RMSE của Tx trên khu vực N3 cho 17 tháng được dự
báo ứng với trường hợp chưa hiệu chỉnh và hiệu chỉnh.
Hình 3.12 biểu diễn sai số ME, MAE, RMSE trên khu vực N3 cho 17 tháng
được dự báo với hạn dự báo từ 1 đến 6 tháng ứng với trường hợp chưa hiệu chỉnh
và hiệu chỉnh. Qua đó thấy rằng, khu vực Nam Bộ, sai số ME trước hiệu chỉnh đều
có giá trị âm, dao động trong khoảng -4.00 đến -1.00C. Điều này thể hiện, mô hình
dự báo có xu thế thiên thấp so với quan trắc. Sau khi hiệu chỉnh, sai số ME nằm
trong khoảng -2.50C đến 1.00C. Trường hợp này, mô hình cũng đưa ra xu thế giống
với trường hợp chưa hiệu chỉnh ở hầu hết các tháng được dự báo, trừ tháng 9, tháng
10 và tháng 1 có xu thế thiên dương. Sai số MAE và RMSE chưa hiệu chỉnh dao
động trong khoảng từ 1.50 đến 4.50C và đã giảm xuống đáng kể sau hiệu chỉnh, phổ
biến trong khoảng 0.50 đến 2.50.
57
Cả 3 khu vực, mô hình đều dự báo xu thế của Tx thiên âm so với quan trắc.
Mặc dù, sai số MAE, RMSE tương đối thấp trên cả 3 khu vực nhưng khu vực B3 có
biến động giá trị sai số lớn nhất. Sai số MAE và RMSE trên khu vực N3 nhỏ hơn
trên khu vực B3 và B4. Điều này có chứng tỏ, mô hình cho kết quả dự báo Tx ổn
định hơn trên các trạm phía Nam.
58
Bảng 3.5. Bảng giá trị nhiệt độ cực đại trung bình tháng Target
2012 2013
Lead time
(tháng) 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5
CHC
1 21.16 24.35 28.01 28.76 30.37 31.06 30.19 27.9 26.38 22.86 19.52 18.52 23.91 25.35 27.94 29.57 30.89
2 25.16 28.3 28.6 29.86 30.79 30.11 28.5 25.57 23.13 20.19 19.51 23.03 25.5 27.73 29.52 30.7 -99
3 28.05 29.34 30.81 30.85 30.09 27.68 25.14 24.06 19.76 20.89 22.65 26.06 27.4 29.12 30.41 -99 -99
4 29.13 30.75 31.33 30.34 27.88 25.41 22.22 20.22 20.13 22.94 26.52 28.68 28.63 29.94 -99 -99 -99
5 29.66 31.03 30.41 28.28 25.88 23.03 20.5 21.27 24.1 26.27 28.47 29.31 29.72 -99 -99 -99 -99
6 30.43 29.95 28.8 25.81 21.72 20.15 20.13 22.34 25.88 28.6 29.36 29.83 -99 -99 -99 -99 -99
HC
1 22.47 24.82 29.44 30.8 32.05 32.27 31.41 29.67 28.63 26.1 22.69 20.81 25.22 25.81 29.37 31.62 32.57
2 25.63 29.73 30.65 31.54 31.99 31.32 30.27 27.82 26.37 23.36 21.79 24.34 25.97 29.16 31.56 32.38 -99
3 29.49 31.38 32.5 32.06 31.3 29.45 27.39 27.29 22.93 23.17 23.96 26.52 28.83 31.17 32.09 -99 -99
4 31.17 32.43 32.53 31.55 29.65 27.67 25.45 23.39 22.41 24.26 26.99 30.11 30.68 31.62 -99 -99 -99
5 31.35 32.24 31.62 30.05 28.13 26.27 23.67 23.56 25.41 26.74 29.9 31.35 31.41 -99 -99 -99 -99
6 31.64 31.17 30.57 28.06 24.95 23.32 22.41 23.66 26.35 30.03 31.41 31.52 -99 -99 -99 -99 -99
OBS
1 22.84 26 30.91 32.34 32.22 32.03 32.21 30.04 29.55 27.68 24.52 21.53 25.61 28.76 29.8 32.59 32.21
2 26 30.91 32.34 32.22 32.03 32.21 30.04 29.55 27.68 24.52 21.53 25.61 28.76 29.8 32.59 32.21 -99
3 30.91 32.34 32.22 32.03 32.21 30.04 29.55 27.68 24.52 21.53 25.61 28.76 29.8 32.59 32.21 -99 -99
4 32.34 32.22 32.03 32.21 30.04 29.55 27.68 24.52 21.53 25.61 28.76 29.8 32.59 32.21 -99 -99 -99
5 32.22 32.03 32.21 30.04 29.55 27.68 24.52 21.53 25.61 28.76 29.8 32.59 32.21 -99 -99 -99 -99
6 32.03 32.21 30.04 29.55 27.68 24.52 21.53 25.61 28.76 29.8 32.59 32.21 -99 -99 -99 -99 -99
59
Bảng 3.6. Sai số MAE của nhiệt độ cực đại trung bình tháng (Tx) cho các tháng được dự báo với hạn dự báo 1 đến 6 tháng
Target
2012 2013
Lead time
(tháng) 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6
CHC
1 3.26 2.48 3.1 3.72 2.16 2.06 2.37 2.37 3.32 4.85 5.05 3.29 2.33 3.54 2.48 3.2 1.96 -99
2 2.76 2.84 3.9 2.58 2.28 2.4 1.85 4.11 4.6 4.44 2.7 2.95 3.39 2.73 3.27 2.17 -99 -99
3 3.07 3.25 2.15 2.4 2.42 2.59 4.5 3.77 4.83 2.8 3.39 2.93 2.81 3.63 2.14 -99 -99 -99
4 3.4 2.27 2.68 2.44 2.41 4.24 5.51 4.42 2.69 2.94 2.72 2.75 4.08 2.47 -99 -99 -99 -99
5 2.74 2.62 2.67 2.04 3.8 4.71 4.14 3.04 2.68 2.76 2.61 3.46 2.7 -99 -99 -99 -99 -99
6 2.42 2.56 1.72 3.89 5.98 4.49 2.66 3.39 3.08 2.76 3.44 2.59 -99 -99 -99 -99 -99 -99
HC
1 1.37 1.57 1.68 1.72 0.48 0.53 0.87 0.66 0.95 1.63 1.86 0.99 0.88 3.02 0.88 1.19 0.58 -99
2 0.8 1.5 1.79 0.89 0.59 0.97 0.74 1.76 1.35 1.83 1.18 1.37 2.9 0.9 1.21 0.56 -99 -99
3 1.58 1.12 0.62 0.68 1.01 0.86 2.16 1.81 1.99 2.1 1.74 2.3 1.24 1.51 0.63 -99 -99 -99
4 1.25 0.66 1.23 0.76 0.78 1.89 2.23 2.09 1.55 1.54 1.88 0.88 1.96 0.88 -99 -99 -99 -99
5 1.17 0.98 0.89 0.56 1.43 1.56 2.25 2.57 0.84 2.19 0.62 1.34 0.96 -99 -99 -99 -99 -99
6 0.67 1.05 0.79 1.56 2.72 2.07 1.49 2.2 2.78 0.78 1.34 0.97 -99 -99 -99 -99 -99 -99
60
3.1.4. Lượng mưa tháng
Tổng lượng mưa hàng tháng được chỉ ra trong hình 3.13 cho cả 6 hạn dự báo
và 17 tháng được dự báo ứng với trường hợp chưa hiệu chỉnh (R_TBCHC), hiệu
chỉnh (R_TBHC) và quan trắc (R_TBQT).
Hình 3.13. Tổng lượng mưa hàng tháng của 17 tháng được dự báo cho hạn dự báo 1
đến 6 tháng ứng với trường hợp chưa hiệu chỉnh, hiệu chỉnh và quan trắc.
61
Hình 3.13 cho thấy, khi chưa hiệu chỉnh, lượng mưa dự báo của mô hình dao
động từ 0 đến 500mm/tháng, cao hơn so với quan trắc (0-350mm/tháng). Lượng
mưa dự báo cho các tháng mùa hè nằm trong khoảng 300 đến 500 mm/tháng và nhỏ
nhất ở các tháng mùa đông. Sau khi hiệu chỉnh, lượng mưa đã gần với giá trị quan
trắc hơn, phổ biến trong khoảng từ 0 đến 350 mm/tháng. Mưa các tháng mùa hè với
dao động từ 250 đến 350 mm/tháng, và từ 1 đến 150 mm/tháng cho mùa đông. Kết
quả dự báo mưa từ mô hình trước và sau hiệu chỉnh đều nắm bắt được quy luật mùa.
Để đánh giá chất lượng dự báo mưa của mô hình, các sai số ME, MAE,
RMSE sẽ được phân tích.
Hình 3.14. Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,
hiệu chỉnh.
62
Từ đây có thể thấy, sai số trung bình ME của mưa hầu hết có giá trị dương và
có trị số sai số lớn, dao động từ 0 đến 250 mm/tháng. Điều này cho thấy, mô hình
dự báo có xu thế thiên dương so với quan trắc. Sau hiệu chỉnh, xu thế thiên âm và
thiên dương xen kẽ nhau. Sai số MAE và RMSE có giá trị phổ biến trong khoảng
100 đến 350 mm/tháng khi chưa hiệu chỉnh, và sau hiệu chỉnh, sai số giảm nằm
trong khoảng 50 đến 200 mm/tháng. Các thời điểm làm dự báo khác nhau, sai số
MAE và RMSE không ổn định. Sai số MAE biến động lớn nhất được thấy ở tháng
5/2012: xấp xỉ 200mm/tháng với hạn dự báo 4 tháng (L=4), khoảng 330mm/tháng
với hạn dự báo 3 tháng (L=3), xấp xỉ 430mm/tháng với hạn dự báo 2 tháng (L=2),
và khoảng 240mm/tháng với hạn dự báo 1 tháng (L=1). Tương tự như nhiệt độ, mưa
được dự báo ổn định vào các tháng mùa đông hơn các tháng mùa hè. Vào các tháng
chính đông, dự báo với các hạn 1 đến 6 tháng có sai số ổn định hơn.
Việc đánh giá các sai số ME, MAE, RMSE cũng đã được thực hiện cho 7
vùng khí hậu. Sau đây là kết quả phân tích cho ba vùng B3, B4 và N3 đại diện cho
các khu vực phía bắc, miền trung và phía nam.
63
Hình 3.15. Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,
hiệu chỉnh trên khu vực B3.
Hình 3.15 thể hiện sai số ME, MAE, RMSE của lượng mưa ứng với trường
hợp chưa hiệu chỉnh (R_CHC), hiệu chỉnh (R_HC) trên khu vực B3. Trước và sau
hiệu chỉnh, sai số ME của lượng mưa có giá trị từ -200 đến 250 mm/tháng, phổ biến
trong khoảng từ -50 đến 100 mm/tháng. Sai số có giá trị âm, dương xen kẽ. Điều
này cho thấy, mô hình khó nắm bắt được xu thế mưa trên khu vực B3. Sai số MAE
và RMSE thấp dao động trong khoảng 50-160 mm/tháng. Sai số ổn định vào mùa
đông ở các hạn dự báo, sai số RMSE mùa này khoảng 50 mm/tháng. Mặc dù vậy,
nhưng sau khi hiệu chỉnh, sai số MAE và RMSE giảm không đáng kể. Điều này
64
chứng tỏ, việc hiệu chỉnh không cải thiện được chất lượng lượng mưa dự báo của
mô hình trên khu vực này.
Hình 3.16. Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,
hiệu chỉnh rên khu vực B4.
Trên khu vực B4, sai số ME chủ yếu mang giá trị dương, với khoảng phổ
biến từ 150 đến 250 mm/tháng khi chưa chỉnh và giảm còn khoảng 0 đến 200
mm/tháng sau hiệu chỉnh. Khi chưa hiệu chỉnh, sai số MAE tương đối lớn, phổ biến
trên 200 mm/tháng. Sai số RMSE nằm trong khoảng 110 đến 500 mm/tháng. Sau
khi hiệu chỉnh, sai số MAE và RMSE đã giảm, ME phổ biến từ 50 đến 250
mm/tháng và RMSE nằm trong khoảng 100 đến 300 mm/tháng. Có thể thấy rằng,
65
khi chưa hiệu chỉnh, việc hiệu chỉnh đã cải thiện rõ rệt chất lượng dự báo mưa của
mô hình.
Hình 3. 17. Sai số ME, MAE, RMSE của mưa ứng với trường hợp chưa hiệu chỉnh,
hiệu chỉnh trên khu vực N3.
Hình 3.17 thể hiện sai số ME, MAE, RMSE của lượng mưa ứng với trường
hợp chưa hiệu chỉnh (R_CHC), hiệu chỉnh (R_HC) trên khu vực Nam bộ. Trên khu
vực này, mô hình dự báo xu thế thiên dương so với quan trắc. Sai số ME có giá trị
trong khoảng từ 0 đến 300 mm/tháng khi chưa hiệu chỉnh và giảm đáng kể sau hiệu
chỉnh với dao động từ 0 đến 250 mm/tháng. Giá trị sai số MAE dao động từ 100
đến 500 mm/tháng, RMSE dao động từ 120 đến 550 mm/tháng. Do có sự chênh
lệch không đáng kể giữa MAE và RMSE nên sau hiệu chỉnh sai số đã được cải thiện
66
đáng kể, MAE phổ biến từ 50 đến 250 mm/tháng và RMSE dao động khoảng 100
đến 300 mm/tháng.
Nhận thấy rằng, dự báo lượng mưa tháng trên cả nước có sai số MAE,
RMSE ổn định và giá trị dự báo gần với quan trắc trong trường hợp hiệu chỉnh. Đối
với các vùng khí hậu địa phương, sai số chưa ổn định ở khu vực miền Trung và phía
bắc, khu vực phía nam sai số ổn định hơn, tuy nhiên, lượng mưa dự báo chênh lệch
đáng kể so với quan trắc.
67
Bảng 3.7. Bảng giá trị lượng mưa tháng
Target
2012 2013
Lead time
(tháng) 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5
CHC
1 72.68 209.16 331.01 421.11 413.17 414.02 431.31 329.9 306.2 337.44 154.49 176.61 100.94 300.15 10.83 464.73 390.73
2 155.93 206.03 497.11 397.78 436.6 435.36 450.85 181.93 307.14 124.38 102.02 89.31 250.32 365.46 13.57 382.38 -99
3 221.54 404.51 312.46 339.27 382.07 309.44 292.35 175.03 138.87 86.86 100.33 210.92 282.27 390.4 14.24 -99 -99
4 377.13 325.15 298.28 413.19 336.32 398.81 195.04 142.63 69.14 128.61 172.21 214.01 435.31 459.45 -99 -99 -99
5 448.82 356.32 335.13 370.42 434.88 346.07 238.51 34.46 43.83 195.76 343.74 487.8 355.98 -99 -99 -99 -99
6 378.9 386.32 329.77 312.81 347.43 231.03 182.93 73.72 107.89 289.11 454.11 458.7 -99 -99 -99 -99 -99
HC
1 22.82 135.01 174.44 202.17 276.05 316.53 331.98 270.7 246.32 218.63 36.83 108.3 26.47 226 0.92 244.29 250.05
2 85.09 64.44 276.67 257.77 343.22 334.78 391.67 135.23 190.02 24.13 42.02 25.52 176.17 208.89 9.04 241.7 -99
3 67.87 187.6 175.12 248.64 284.08 250.24 226 84.5 37.73 33.21 34.55 136.82 125.69 176.84 11.82 -99 -99
4 158.61 192.27 201.49 312.56 277.12 330.98 90.48 39.94 19.67 52.33 99.16 65.28 215.23 318.77 -99 -99 -99
5 308.13 258.27 235.68 311.22 367.05 227.06 100.45 4.1 3.05 121.6 187.22 267.37 215.68 -99 -99 -99 -99
6 280.08 289.18 270.79 245.79 230.76 89.42 114.46 17.19 44.85 136.23 234.04 318.02 -99 -99 -99 -99 -99
OBS
1 27.15 55.29 97.83 254.91 168.51 265.61 271.75 329.47 185.16 126.65 54.65 39.74 28.95 44.62 98.54 192.91 243.78
2 55.29 97.83 254.91 168.51 265.61 271.75 329.47 185.16 126.65 54.65 39.74 28.95 44.62 98.54 192.91 243.78 -99
3 97.83 254.91 168.51 265.61 271.75 329.47 185.16 126.65 54.65 39.74 28.95 44.62 98.54 192.91 243.78 -99 -99
4 254.91 168.51 265.61 271.75 329.47 185.16 126.65 54.65 39.74 28.95 44.62 98.54 192.91 243.78 -99 -99 -99
5 168.51 265.61 271.75 329.47 185.16 126.65 54.65 39.74 28.95 44.62 98.54 192.91 243.78 -99 -99 -99 -99
6 265.61 271.75 329.47 185.16 126.65 54.65 39.74 28.95 44.62 98.54 192.91 243.78 -99 -99 -99 -99 -99
68
Bảng 3.8. Sai số MAE của lượng mưa tháng (R) cho các tháng được dự báo với hạn dự báo 1 đến 6 tháng
Target
2012 2013
Lead time
(tháng) 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5
CHC
1 53.51 157.03 237.99 261.06 254.6 210.57 190.43 142.46 176.35 227.27 107.89 143.05 73.13 255.53 87.79 324.33 196.67
2 107.82 136.65 354.36 266.94 239 224.21 214.94 181.71 189 92.29 79.85 72.39 206.79 270.3 179.49 223.41 -99
3 137.17 310.16 225.57 197.07 183.6 158.45 156.97 112.11 111.95 77.28 78.28 169.16 198.64 292.21 229.54 -99 -99
4 229.29 266.46 221.82 183.77 141.32 249.26 124.79 96.83 56.26 100.2 132.11 159.43 288.23 244.68 -99 -99 -99
5 284.56 229.52 159.35 129.83 263.76 226.67 187.81 28.54 29.68 155.55 262.71 331.98 196.11 -99 -99 -99 -99
6 220.84 177.87 160.57 190.81 226.98 177.64 144.91 47.09 77.13 230.68 333.8 285.37 -99 -99 -99 -99 -99
HC
1 29.06 93.34 107.63 150.17 129.42 135.98 138.86 101.94 173.07 140.13 41.58 81.29 21.05 181.37 97.62 128.74 104.55
2 57.41 84.23 181.51 146.13 164.1 175.08 223.49 149.05 108.99 51.79 35.92 28.68 136.4 118.07 183.87 121.34 -99
3 64.8 186.15 138.33 153.14 145.4 127.63 132.44 102.82 57.7 40.83 34.18 102.1 80.63 164.51 231.96 -99 -99
4 136.86 180.94 188.16 139.91 129.78 190.24 108.56 57.26 29.48 38.63 73.25 84.96 100.72 103.58 -99 -99 -99
5 146.01 165.92 139.28 88.24 199.14 117.33 76.07 35.83 25.91 91.33 142.26 127.22 112.86 -99 -99 -99 -99
6 154.81 138.17 132.2 160.71 149.28 52.12 78.1 25.28 41.07 133.29 167.94 163.05 -99 -99 -99 -99 -99
3.2. Dự báo một số hi
Trong mục này s
cực đoan, bao gồm:
Số ngày có nhiệ
nhiệt độ cực đại (Tx) l
hơn phân vị 95% (R95) và phân v
Số ngày có nhi
phân vị thứ 90% (TX90) cho ba tháng chín
cực tiểu nhỏ hơn phân v
Số ngày xảy ra TX10, TX90, TN10, TN90, R95 và R99 cho
kỳ nằm trong hạn dự báo.
2012 sẽ sử dụng các d
(tháng 12, 1, 2) năm 2012 s
hợp dự báo cho cả 6 tháng s
ngày có hiện tượng đư
Hình 3.18. Sai số trung bình ME c
Hình 3.18 biểu di
nhỏ hơn phân vị thứ
-20
-10
0
10
20
30
40
50
60
70
80
DIE
NB
IEN
LAIC
HA
UM
OC
CH
AU
SON
LAYE
NC
HA
UB
AC
QU
AN
GB
AIC
HA
YC
OTO
HA
GIA
NG
LAN
GSO
NP
HU
HO
SAP
ATA
MD
AO
Ngà
y
Sai số ME của tổng số ngày ba tháng mùa hè có Tm < TN10
B1 B2
69
hiện tượng cực đoan
c này sẽ đánh giá sai số dự báo của số ngày x
ệt độ cực tiểu (Tm) nhỏ hơn phân vị 10% (TN10) s
(Tx) lớn hơn phân vị 90% (TX90), số ngày có lư
95% (R95) và phân vị 99% (R99) cho ba tháng chính chính hè (6, 7, 8).
ngày có nhiệt độ cực đại (Tx) nhỏ hơn phân vị 10% (TX10) và l
90% (TX90) cho ba tháng chính đông (12, 1, 2), s
hơn phân vị thứ 10% (TN10) và lớn hơn phân vị th
y ra TX10, TX90, TN10, TN90, R95 và R99 cho
báo. Ví dụ, để dự báo cho 3 tháng chính hè
ng các dự báo tại các tháng 2, 3, 4, 5; dự báo cho 3 tháng chính đông
năm 2012 sẽ sử dụng các dự báo tại các tháng 8, 9, 10, 11. Trư
6 tháng sẽ sử dụng dự báo tại một tháng bấ
ng được xét trong tất cả các tháng dự báo tính t
trung bình ME của tổng số ngày ba tháng mùa hè 2012 có Tm
4 thời điểm dự báo
u diễn sai số trung bình của tổng số ngày có nhi
10 (TN10) trong ba tháng mùa hè được d
SAP
ATA
MD
AO
THA
ING
UYE
NTU
YEN
QU
AN
GYE
NB
AI
BA
CH
LON
GV
IB
AV
IC
HIL
INH
HA
IDU
ON
GH
AN
OI
HO
AB
INH
HU
NG
YEN
NA
MD
INH
NH
OQ
UA
NN
INH
BIN
HP
HU
LIEN
SON
TAY
THA
IBIN
HV
AN
LYV
IETT
RI
VIN
HYE
NA
LUO
ID
ON
GH
AD
ON
GH
OI
HO
IXU
AN
HU
EH
UO
NG
KH
EK
YAN
HN
AM
DO
NG
THA
NH
HO
ATU
ON
GD
UO
NG
TUYE
NH
OA
VIN
HB
ATO
DA
NA
NG
NH
ATR
AN
GP
HA
NTH
IET
QU
AN
GN
GA
IQ
UYN
HO
NTR
AM
Y
Sai số ME của tổng số ngày ba tháng mùa hè có Tm < TN10
DB_201202 DB_201203 DB_201204 DB_201205
B3 B4 N1
ngày xảy ra các hiện tượng
10% (TN10) số ngày có
ngày có lượng mưa (R) lớn
áng chính chính hè (6, 7, 8).
10% (TX10) và lớn hơn
, số ngày có nhiệt độ
thứ 90% (TN90)
y ra TX10, TX90, TN10, TN90, R95 và R99 cho cả 6 tháng bất
báo cho 3 tháng chính hè (tháng 6, 7, 8) năm
báo cho 3 tháng chính đông
i các tháng 8, 9, 10, 11. Trường
ất kỳ và xác định số
báo tính từ tháng hiện tại.
ngày ba tháng mùa hè 2012 có Tm < TN10 tại
ngày có nhiệt độ cực tiểu
c dự báo từ tháng 2,
TRA
MY
TUYH
OA
AYU
NP
AB
AO
LOC
BM
THU
OT
DA
KN
ON
GD
ALA
TK
ON
TUM
PLE
IKU
CA
MA
UC
AN
THO
CO
ND
AO
PH
UQ
UO
CP
HU
QU
YR
AC
HG
IATR
UO
NG
SAV
UN
GTA
U
Sai số ME của tổng số ngày ba tháng mùa hè có Tm < TN10
DB_201205
N2
N3
70
tháng 3, tháng 4 và tháng 5. Có thể thấy rằng, mô hình dự báo thiên dương tại hầu
hết các trạm ngoại trừ khu vực Tây Nguyên có giá trị thiên âm so với quan trắc. Giá
trị của ME cao nhất trên khu vực B4 và N3 khoảng 60-70 ngày. Để thấy rõ hơn sai
số giữa mô hình và quan trắc, trên hình 3.19 dẫn ra sai số tuyệt đối trung bình
(MAE) của TN10 cho tổng ba tháng. Qua đó nhận thấy, mô hình cho sai số hầu như
dưới 10 ngày tại khu vực B2, B3, N1 và N2, trên khu vực B1 là dưới 20 ngày.
Xét thời điểm làm dự báo, có thể thấy, trên tất cả các khu vực, sai số lớn nhất
khi dự báo đứng tại tháng 3, sau đó là tháng 2. Trừ khu vực B4 và N3, các vùng
khác dự báo tốt cho các tháng mùa hè khi đứng tại thời điểm tháng 4 và tháng 5 làm
dự báo. Điều này có thể thấy, việc dự báo TN10 ít phụ thuộc vào thời gian làm dự
báo.
Hình 3.19. Sai số MAE của tổng s
0
10
20
30
40
50
60
70D
IEN
BIE
N
LAIC
HA
U
MO
CC
HA
U
SON
LA
YEN
CH
AU
BA
CQ
UA
NG
BA
ICH
AY
CO
TO
HA
GIA
NG
LAN
GSO
N
PH
UH
O
SAP
A
TAM
DA
O
THA
ING
UYE
N
TUYE
NQ
UA
NG
YEN
BA
I
BA
CH
LON
GV
I
BA
VI
CH
ILIN
H
Ngà
y
Sai số MAE của tổng số ngày ba tháng mùa hè có Tm < TN10 ứng với 4 thời điểm làm dự báo
71
ng số ngày ba tháng mùa hè 2012 có Tm < TN10 tại 4 thời điểm d
CH
ILIN
H
HA
IDU
ON
G
HA
NO
I
HO
AB
INH
HU
NG
YEN
NA
MD
INH
NH
OQ
UA
N
NIN
HB
INH
PH
ULI
EN
SON
TAY
THA
IBIN
H
VA
NLY
VIE
TTR
I
VIN
HYE
N
ALU
OI
DO
NG
HA
DO
NG
HO
I
HO
IXU
AN
HU
E
HU
ON
GK
HE
KYA
NH
NA
MD
ON
G
THA
NH
HO
A
TUO
NG
DU
ON
G
TUYE
NH
OA
VIN
H
BA
TO
DA
NA
NG
NH
ATR
AN
G
PH
AN
THIE
T
QU
AN
GN
GA
I
QU
YNH
ON
TRA
MY
TUYH
OA
AYU
NP
A
Sai số MAE của tổng số ngày ba tháng mùa hè có Tm < TN10 ứng với 4 thời điểm làm dự báo
DB_201202 DB_201203 DB_201204 DB_201205
m dự báo khác nhau
BA
OLO
C
BM
THU
OT
DA
KN
ON
G
DA
LAT
KO
NTU
M
PLE
IKU
CA
MA
U
CA
NTH
O
CO
ND
AO
PH
UQ
UO
C
PH
UQ
UY
RA
CH
GIA
TRU
ON
GSA
VU
NG
TAU
Sai số MAE của tổng số ngày ba tháng mùa hè có Tm < TN10 ứng với 4 thời điểm làm dự báo
Hình 3.20. Sai số ME c
Hình 3.20 và 3.21
mùa hè có nhiệt độ cự
làm dự báo. Có thể thấ
Mô hình dự báo có xu hư
khu vực được dự báo và th
mô hình dự báo có xu hư
các trạm B4 và khu vự
dương trên khu vực B2 và m
trên các khu vực khác.
của TX90 có giá trị thiên âm trên toàn qu
MAE có giá trị phổ bi
trên các trạm thuộc khu v
-50
-40
-30
-20
-10
0
10
20
30
40
50D
IEN
BIE
NLA
ICH
AU
MO
CC
HA
USO
NLA
YEN
CH
AU
BA
CQ
UA
NG
BA
ICH
AY
CO
TOH
AG
IAN
GLA
NG
SON
PH
UH
OSA
PA
TAM
DA
OTH
AIN
GU
YEN
Số n
gày
Sai số ME của tổng số ngày ba tháng mùa hè có Tx > TX90 ứng với
72
ME của tổng số ngày ba tháng mùa hè 2012 có Tx
điểm dự báo.
Hình 3.20 và 3.21 biểu diễn sai số ME và MAE của tổng s
ực đại lớn hơn ngưỡng phân vị thứ 90 (TX90), t
ấy rằng, sai số ME có giá trị trong khoảng t
báo có xu hướng thiên âm, thiên dương so với quan tr
báo và thời điểm làm dự báo. Ví dụ, đứng tại tháng 3 làm d
có xu hướng thiên dương trên các trạm B1, B2, B3 và thiên âm t
ực phía Nam. Đứng tại tháng 2 làm dự báo c
c B2 và một số trạm khu vực B3, còn lại là cho d
c khác. Đứng tại tháng 4 và tháng 5 làm dự báo
thiên âm trên toàn quốc, trừ một vài trạm ở
biến từ 3 đến 15 ngày. Sai số có sự chênh l
c khu vực miền Trung và phía Nam .
THA
ING
UYE
NTU
YEN
QU
AN
GYE
NB
AI
BA
CH
LON
GV
IB
AV
IC
HIL
INH
HA
IDU
ON
GH
AN
OI
HO
AB
INH
HU
NG
YEN
NA
MD
INH
NH
OQ
UA
NN
INH
BIN
HP
HU
LIE
NSO
NTA
YTH
AIB
INH
VA
NLY
VIE
TTR
IV
INH
YEN
ALU
OI
DO
NG
HA
DO
NG
HO
IH
ATI
NH
HO
IXU
AN
HU
EH
UO
NG
KH
EK
YAN
HN
AM
DO
NG
THA
NH
HO
ATU
ON
GD
UO
NG
TUYE
NH
OA
VIN
HB
ATO
DA
NA
NG
NH
ATR
AN
GP
HA
NTH
IET
QU
AN
GN
GA
IQ
UYN
HO
N
Sai số ME của tổng số ngày ba tháng mùa hè có Tx > TX90 ứng với 4 thời điểm dự báo
DB_201202 DB_201203 DB_201204 DB_201205
2012 có Tx > TX90 tại 4 thời
ng số ngày ba tháng
90 (TX90), tại 4 thời điểm
ng từ -40 đến 40 ngày.
i quan trắc phụ thuộc vào
i tháng 3 làm dự báo,
m B1, B2, B3 và thiên âm tại
báo cho kết quả thiên
i là cho dự báo thiên âm
báo, hầu như sai số ME
ở khu vực B2. Sai số
chênh lệch không đáng kể
QU
YNH
ON
TRA
MY
TUYH
OA
AYU
NP
AB
AO
LOC
BM
THU
OT
DA
KN
ON
GK
ON
TUM
PLE
IKU
CA
MA
UC
AN
THO
CO
ND
AO
PH
UQ
UO
CP
HU
QU
YR
AC
HG
IATR
UO
NG
SAV
UN
GTA
U
Sai số ME của tổng số ngày ba tháng mùa hè có Tx > TX90 ứng với
Hình 3.21. Sai số MAE của tổng s
0
5
10
15
20
25
30
35
40
45D
IEN
BIE
N
LAIC
HA
U
MO
CC
HA
U
SON
LA
YEN
CH
AU
BA
CQ
UA
NG
BA
ICH
AY
CO
TO
HA
GIA
NG
LAN
GSO
N
PH
UH
O
SAP
A
TAM
DA
O
THA
ING
UYE
N
TUYE
NQ
UA
NG
YEN
BA
I
BA
CH
LON
GV
I
BA
VI
Số n
gày
Sai số MAE của tổng số ngày ba tháng mùa hè có Tx >TX90
73
ng số ngày ba tháng mùa hè 2012 có Tx > TX90 tại 4 thời điểm d
BA
VI
CH
ILIN
H
HA
IDU
ON
G
HA
NO
I
HO
AB
INH
HU
NG
YEN
NA
MD
INH
NH
OQ
UA
N
NIN
HB
INH
PH
ULI
EN
SON
TAY
THA
IBIN
H
VA
NLY
VIE
TTR
I
VIN
HYE
N
ALU
OI
DO
NG
HA
DO
NG
HO
I
HA
TIN
H
HO
IXU
AN
HU
E
HU
ON
GK
HE
KYA
NH
NA
MD
ON
G
THA
NH
HO
A
TUO
NG
DU
ON
G
TUYE
NH
OA
VIN
H
BA
TO
DA
NA
NG
NH
ATR
AN
G
PH
AN
THIE
T
QU
AN
GN
GA
I
QU
YNH
ON
TRA
MY
Sai số MAE của tổng số ngày ba tháng mùa hè có Tx >TX90
DB_201202 DB_201203 DB_201204 DB_201205
m dự báo khác nhau
TUYH
OA
AYU
NP
A
BA
OLO
C
BM
THU
OT
DA
KN
ON
G
KO
NTU
M
PLE
IKU
CA
MA
U
CA
NTH
O
CO
ND
AO
PH
UQ
UO
C
PH
UQ
UY
RA
CH
GIA
TRU
ON
GSA
VU
NG
TAU
Hình 3.22. Sai số ME của t
Hình 3.22 chỉ ra sai s
hè có lượng mưa ngày lớ
làm dự báo tương tự như v
âm trên khu vực B1, B2, N1 và N3 và
số ME dao động từ -12 đế
Hình 3.23 thể hiện sai s
tháng mùa hè có R95. Sai s
nằm trong khoảng 0 đến 12 ngày, ph
và tháng 4, sai số MAE có giá tr
Nam, sai số cho tổng số
khi đứng ở tháng 2 làm d
chung, đứng tại thời điểm g
Điều này cho thấy, với hạ
-15
-12
-9
-6
-3
0
3
6
9
12
15
DIE
NB
IEN
LAIC
HA
UM
OC
CH
AU
SON
LAYE
NC
HA
UB
AC
QU
AN
GB
AIC
HA
YC
OTO
HA
GIA
NG
LAN
GSO
NP
HU
HO
SAP
ATA
MD
AO
THA
ING
UYE
NTU
YEN
QU
AN
G
Số n
gày
Sai số ME của tổng số ngày ba tháng mùa hè có R > R95 ứng với 4
DB_201202
74
a tổng số ngày ba tháng mùa hè 2012 có R> R95
điểm dự báo
ra sai số trung bình ME của tổng số ngày ba tháng mùa
ớn hơn phân vị thứ 95 (R95) ứng với bố
như với TN10 và TX90. Mô hình dự báo có xu th
c B1, B2, N1 và N3 và thiên dương trên khu vực B4.
ến 12 ngày, phổ biến từ -6 đến 6 ngày.
n sai số tuyệt đối trung bình MAE của tổng s
Sai số không ổn định tại từng trạm. Giá trị
n 12 ngày, phổ biến từ 1 đến 6 ngày. Đứng t
MAE có giá trị lớn nhất khoảng 12 ngày. Tại các tr
ngày ba tháng mùa hè lớn hơn so với các vùng khác
tháng 2 làm dự báo và nhỏ hơn khi đứng dự báo ở tháng 3
m gần với thời điểm cần dự báo, sai số MAE nh
ạn dự báo gần, mô hình nắm bắt được hiện tư
TUYE
NQ
UA
NG
YEN
BA
IB
AC
HLO
NG
VI
BA
VI
CH
ILIN
HH
AID
UO
NG
HA
NO
IH
OA
BIN
HH
UN
GYE
NN
AM
DIN
HN
HO
QU
AN
NIN
HB
INH
PH
ULI
ENSO
NTA
YTH
AIB
INH
VA
NLY
VIE
TTR
IV
INH
YEN
ALU
OI
DO
NG
HA
DO
NG
HO
IH
ATI
NH
HO
IXU
AN
HU
EH
UO
NG
KH
EK
YAN
HN
AM
DO
NG
THA
NH
HO
ATU
ON
GD
UO
NG
TUYE
NH
OA
VIN
HB
ATO
DA
NA
NG
NH
ATR
AN
G
Sai số ME của tổng số ngày ba tháng mùa hè có R > R95 ứng với 4 thời điểm làm dự báo
DB_201202 DB_201203 DB_201204 DB_201205
R> R95 tại 4 thời
ngày ba tháng mùa
ốn thời điểm
báo có xu thế thiên
c B4. Giá trị sai
ng số ngày ba
sai số MAE
ng tại tháng 3
i các trạm phía
i các vùng khác
tháng 3. Nhìn
MAE nhỏ hơn.
n tượng tốt.
NH
ATR
AN
GQ
UA
NG
NG
AI
QU
YNH
ON
TRA
MY
TUYH
OA
AYU
NP
AB
AO
LOC
DA
KN
ON
GD
ALA
TC
AM
AU
PH
UQ
UO
CP
HU
QU
YTR
UO
NG
SA
Sai số ME của tổng số ngày ba tháng mùa hè có R > R95 ứng với 4
Hình 3.23. Sai số MA
0
2
4
6
8
10
12D
IEN
BIE
N
LAIC
HA
U
MO
CC
HA
U
SON
LA
YEN
CH
AU
BA
CQ
UA
NG
BA
ICH
AY
CO
TO
HA
GIA
NG
LAN
GSO
N
PH
UH
O
SAP
A
TAM
DA
O
THA
ING
UYE
N
TUYE
NQ
UA
NG
Số n
gày
Sai số MAE của tổng số ngày ba tháng mùa hè có R > R95
75
AE của tổng số ngày ba tháng mùa hè 2012 có R > R95 tại 4 thờ
TUYE
NQ
UA
NG
YEN
BA
I
BA
CH
LON
GV
I
BA
VI
CH
ILIN
H
HA
IDU
ON
G
HA
NO
I
HO
AB
INH
HU
NG
YEN
NA
MD
INH
NH
OQ
UA
N
NIN
HB
INH
PH
ULI
EN
SON
TAY
THA
IBIN
H
VA
NLY
VIE
TTR
I
VIN
HYE
N
ALU
OI
DO
NG
HA
DO
NG
HO
I
HA
TIN
H
HO
IXU
AN
HU
E
HU
ON
GK
HE
KYA
NH
NA
MD
ON
G
THA
NH
HO
A
TUO
NG
DU
ON
G
TUYE
NH
OA
VIN
H
BA
TO
Sai số MAE của tổng số ngày ba tháng mùa hè có R > R95 ứng với 4 thời điểm dự báo
DB_201202 DB_201203 DB_201204 DB_201205
ời điểm dự báo
DA
NA
NG
NH
ATR
AN
G
QU
AN
GN
GA
I
QU
YNH
ON
TRA
MY
TUYH
OA
AYU
NP
A
BA
OLO
C
DA
KN
ON
G
DA
LAT
CA
MA
U
PH
UQ
UO
C
PH
UQ
UY
TRU
ON
GSA
Hình 3.24. Sai số ME c
Hình 3.24 và 3.25
mùa hè tại 4 thời điểm làm d
hình đều có xu hướng d
âm tại khu vực B2 và B3.
13 ngày. Sai số MAE c
nhất được thấy trên khu v
trên khu vực B1, B2 và N3, n
báo có sai số lớn hơn khi đ
R99 thấp trên hầu hết các vùng khi th
với R99, mô hình dự báo kém v
với các hạn dự báo xa đích d
Với việc chỉ ra sai s
hiện tượng cực đoan, đ
tốt ứng với thời điểm làm d
báo tốt với thời điểm làm d
-4
-2
0
2
4
6
8
10
12
14
DIE
NB
IEN
LAIC
HA
UM
OC
CH
AU
SON
LAYE
NC
HA
UB
AC
QU
AN
GB
AIC
HA
YC
OTO
HA
GIA
NG
LAN
GSO
NP
HU
HO
SAP
ATA
MD
AO
THA
ING
UYE
NTU
YEN
QU
AN
G
Số n
gày
Sai số ME của tổng số ngày 3 tháng mùa hè có R > R99 ứng với 4
76
ME của tổng số ngày ba tháng mùa hè 2012 có R > R9
dự báo
Hình 3.24 và 3.25 chỉ ra sai số ME và MAE của số ngày có
m làm dự báo. Có thể thấy, tại cả 4 thời điể
ng dự báo thiên dương so với quan trắc, trừ m
c B2 và B3. Sai số ME của R99 có giá trị nằm trong kho
MAE của R99 có giá trị trong khoảng 0 đến 13 ngày.
y trên khu vực B4, phổ biến từ 2 đến 6 ngày. Sai s
c B1, B2 và N3, nằm trong khoảng 0 đến 2 ngày. Đứ
hơn khi đứng tại các thời điểm khác làm dự báo
t các vùng khi thực hiện dự báo ở tháng 3. Đi
báo kém với các hạn dự báo gần với đích d
báo xa đích dự báo.
ra sai số ME, MAE cho tổng số ngày ba tháng mùa hè x
c đoan, đã rút ra một số nhận xét như sau: TN10, TX90 đư
m làm dự báo gần với đích được dự báo. R95 và R99 đư
m làm dự báo xa đích dự báo.
THA
ING
UYE
NTU
YEN
QU
AN
GYE
NB
AI
BA
CH
LON
GV
IB
AV
IC
HIL
INH
HA
IDU
ON
GH
AN
OI
HO
AB
INH
HU
NG
YEN
NA
MD
INH
NH
OQ
UA
NN
INH
BIN
HP
HU
LIEN
SON
TAY
THA
IBIN
HV
AN
LYV
IETT
RI
VIN
HYE
NA
LUO
ID
ON
GH
AD
ON
GH
OI
HA
TIN
HH
OIX
UA
NH
UE
HU
ON
GK
HE
KYA
NH
NA
MD
ON
GTH
AN
HH
OA
TUO
NG
DU
ON
GTU
YEN
HO
AV
INH
BA
TOD
AN
AN
GN
HA
TRA
NG
PH
AN
THIE
TQ
UA
NG
NG
AI
Sai số ME của tổng số ngày 3 tháng mùa hè có R > R99 ứng với 4 thời điểm làm dự báo
DB_201202 DB_201203 DB_201204 DB_201205
ngày ba tháng mùa hè 2012 có R > R99 tại 4 thời điểm
ngày có R99 của ba tháng
ểm làm dự báo, mô
một số trạm thiên
ng khoảng từ -4 đến
n 13 ngày. Sai số cao
Sai số thấp được thấy
ứng ở tháng 5 dự
báo. Sai số MAE của
Điều này cho thấy,
i đích dự báo và dự báo tốt
ngày ba tháng mùa hè xảy ra
n xét như sau: TN10, TX90 được dự báo
báo. R95 và R99 được dự
QU
AN
GN
GA
IQ
UYN
HO
NTR
AM
YTU
YHO
AA
YUN
PA
BA
OLO
CB
MTH
UO
TD
AK
NO
NG
DA
LAT
KO
NTU
MC
AM
AU
CA
NTH
OC
ON
DA
OP
HU
QU
OC
PH
UQ
UY
RA
CH
GIA
TRU
ON
GSA
VU
NG
TAU
Sai số ME của tổng số ngày 3 tháng mùa hè có R > R99 ứng với 4
Hình 3.25. Sai số MAE c
0
2
4
6
8
10
12
14
DIE
NB
IEN
LAIC
HA
U
MO
CC
HA
U
SON
LA
YEN
CH
AU
BA
CQ
UA
NG
BA
ICH
AY
CO
TO
HA
GIA
NG
LAN
GSO
N
PH
UH
O
SAP
A
TAM
DA
O
THA
ING
UYE
N
TUYE
NQ
UA
NG
Số n
gày
Sai số MAE của tổng số ngày ba tháng mùa hè có R > R99 ứng với 4 thời điểm làm dự báo
77
MAE của tổng số ngày ba tháng mùa hè 2012 có R > R99 tại 4 thờ
YEN
BA
I
BA
CH
LON
GV
I
BA
VI
CH
ILIN
H
HA
IDU
ON
G
HA
NO
I
HO
AB
INH
HU
NG
YEN
NA
MD
INH
NH
OQ
UA
N
NIN
HB
INH
PH
ULI
EN
SON
TAY
THA
IBIN
H
VA
NLY
VIE
TTR
I
VIN
HYE
N
ALU
OI
DO
NG
HA
DO
NG
HO
I
HA
TIN
H
HO
IXU
AN
HU
E
HU
ON
GK
HE
KYA
NH
NA
MD
ON
G
THA
NH
HO
A
TUO
NG
DU
ON
G
TUYE
NH
OA
VIN
H
BA
TO
DA
NA
NG
NH
ATR
AN
G
PH
AN
THIE
T
QU
AN
GN
GA
I
QU
YNH
ON
Sai số MAE của tổng số ngày ba tháng mùa hè có R > R99 ứng với 4 thời điểm làm dự báo
DB_201202 DB_201203 DB_201204 DB_201205
ời điểm dự báo
QU
YNH
ON
TRA
MY
TUYH
OA
AYU
NP
A
BA
OLO
C
BM
THU
OT
DA
KN
ON
G
DA
LAT
KO
NTU
M
CA
MA
U
CA
NTH
O
CO
ND
AO
PH
UQ
UO
C
PH
UQ
UY
RA
CH
GIA
TRU
ON
GSA
VU
NG
TAU
Sai số MAE của tổng số ngày ba tháng mùa hè có R > R99 ứng với 4 thời điểm làm dự báo
78
Sai số ME, MAE của tổng số ngày ba tháng mùa đông (tháng 12, tháng 1 và
tháng 2) có TN10, TN90, TX10, TX90 tại bốn thời điểm làm dự báo, tiếp tục được
xem xét trong các hình từ 3.26 đến 3.33.
Hình 3.26. Sai số ME của tổng số ngày ba tháng mùa đông 2012 có Tm<TN10 tại 4
thời điểm dự báo
Hình 3.26 và 3.27 biểu diễn sai số ME, MAE của tổng số ngày ba tháng mùa
đông có TN10 tại thời điểm dự báo từ tháng 8, tháng 9, tháng 10 và tháng 11. Qua
đó có thể thấy, giá trị ME có khoảng dao động lớn từ -10 đến 40 ngày. Mô hình dự
báo hầu như thiên dương, trừ thời điểm đứng ở tháng 10, mô hình dự báo thiên âm
trền hầu hết các điểm trạm.
Khu vực B4 và N1, sai số MAE có dao động nhỏ nhất, nằm trong khoảng 0
đến 10 ngày. Khu vực phía bắc, sai số tương đối lớn khi đứng ở tháng 9 và tháng
10 dự báo, với giá trị sai số MAE chủ yếu khoảng 10 ngày. Khu vực Nam bộ, sai số
lớn khi đứng tại tháng xa nhất làm dự báo. Nói chung, sai số của TN10 cho các
tháng mùa đông không ổn định.
-10
-5
0
5
10
15
20
25
30
35
40
45
DIE
NB
IEN
LA
ICH
AU
MO
CC
HA
US
ON
LA
YE
NC
HA
UB
AC
QU
AN
GB
AIC
HA
YC
OT
OH
AG
IAN
GL
AN
GS
ON
PH
UH
OS
AP
AT
AM
DA
OT
HA
ING
UY
EN
TU
YE
NQ
UA
NG
YE
NB
AI
BA
CH
LO
NG
VI
BA
VI
CH
ILIN
HH
AID
UO
NG
HA
NO
IH
OA
BIN
HH
UN
GY
EN
NA
MD
INH
NH
OQ
UA
NN
INH
BIN
HP
HU
LIE
NS
ON
TA
YT
HA
IBIN
HV
AN
LY
VIE
TT
RI
VIN
HY
EN
AL
UO
ID
ON
GH
AD
ON
GH
OI
HO
IXU
AN
HU
EH
UO
NG
KH
EK
YA
NH
NA
MD
ON
GT
HA
NH
HO
AT
UO
NG
DU
ON
GT
UY
EN
HO
AV
INH
BA
TO
DA
NA
NG
NH
AT
RA
NG
PH
AN
TH
IET
QU
AN
GN
GA
IQ
UY
NH
ON
TR
AM
YT
UY
HO
AA
YU
NP
AB
AO
LO
CB
MT
HU
OT
DA
KN
ON
GD
AL
AT
KO
NT
UM
PL
EIK
UC
AM
AU
CA
NT
HO
CO
ND
AO
PH
UQ
UO
CP
HU
QU
YR
AC
HG
IAT
RU
ON
GS
AV
UN
GT
AU
Số n
gày
Sai số ME của tổng số ngày ba tháng mùa đông có Tn < TN10 tại các thời điểm dự báo khác nhau
DB_201208 DB_201209 DB_201210 DB_201211
79
Hình 3.27. Sai số MAE của tổng số ngày ba tháng mùa đông 2012 có Tm<TN10 tại 4 thời điểm dự báo
0
5
10
15
20
25
30
35
40
45
50D
IEN
BIE
NL
AIC
HA
UM
OC
CH
AU
SO
NL
AY
EN
CH
AU
BA
CQ
UA
NG
BA
ICH
AY
CO
TO
HA
GIA
NG
LA
NG
SO
NP
HU
HO
SA
PA
TA
MD
AO
TH
AIN
GU
YE
NT
UY
EN
QU
AN
GY
EN
BA
IB
AC
HL
ON
GV
IB
AV
IC
HIL
INH
HA
IDU
ON
GH
AN
OI
HO
AB
INH
HU
NG
YE
NN
AM
DIN
HN
HO
QU
AN
NIN
HB
INH
PH
UL
IEN
SO
NT
AY
TH
AIB
INH
VA
NL
YV
IET
TR
IV
INH
YE
NA
LU
OI
DO
NG
HA
DO
NG
HO
IH
OIX
UA
NH
UE
HU
ON
GK
HE
KY
AN
HN
AM
DO
NG
TH
AN
HH
OA
TU
ON
GD
UO
NG
TU
YE
NH
OA
VIN
HB
AT
OD
AN
AN
GN
HA
TR
AN
GP
HA
NT
HIE
TQ
UA
NG
NG
AI
QU
YN
HO
NT
RA
MY
TU
YH
OA
AY
UN
PA
BA
OL
OC
BM
TH
UO
TD
AK
NO
NG
DA
LA
TK
ON
TU
MP
LE
IKU
CA
MA
UC
AN
TH
OC
ON
DA
OP
HU
QU
OC
PH
UQ
UY
RA
CH
GIA
TR
UO
NG
SA
VU
NG
TA
U
Số n
gày
Sai số MAE của tổng số ngày ba tháng mùa đông có Tm < TN10 tại các thời điểm làm dự báo khác nhau
DB_201208 DB_201209 DB_201210 DB_201211
80
Hình 3.28. Sai số ME của tổng số ngày ba tháng mùa đông 2012 có Tm > TN90 tại
4 thời điểm dự báo
Hình 3.28 và 3.28 biểu diễn sai số ME, MAE của tổng số ngày ba tháng mùa
đông có TN90 tại thời điểm dự báo từ tháng 8, tháng 9, tháng 10 và tháng 11. Nhận
thấy rằng, mô hình dự báo thiên thấp so với quan trắc. Giá trị sai số ME âm lớn, phổ
biến nằm trong khoảng -10 đến -50 ngày. Điều này chứng tỏ, xu thế thiên âm, thiên
dương so với quan trắc không phụ thuộc vào thời điểm làm dự báo. Sai số MAE rất
lớn, phổ biến từ 15 đến 50 ngày. Khu vực phía Bắc (trừ Tây Bắc) và miền Trung có
sai số thấp hơn khu vực phía Nam. Sai số MAE tương đương nhau ở các thời điểm
dự báo. Rõ ràng, việc dự báo TN90 của các tháng chính đông không phụ thuộc vào
thời điểm làm dự báo.
-70
-60
-50
-40
-30
-20
-10
0
10D
IEN
BIE
NLA
ICH
AU
MO
CC
HA
US
ON
LA
YE
NC
HA
UB
AC
QU
AN
GB
AIC
HA
YC
OT
OH
AG
IAN
GLA
NG
SO
NP
HU
HO
SA
PA
TA
MD
AO
TH
AIN
GU
YE
NT
UY
EN
QU
AN
GY
EN
BA
IB
AC
HLO
NG
VI
BA
VI
CH
ILIN
HH
AID
UO
NG
HA
NO
IH
OA
BIN
HH
UN
GY
EN
NA
MD
INH
NH
OQ
UA
NN
INH
BIN
HP
HU
LIE
NS
ON
TA
YT
HA
IBIN
HV
AN
LY
VIE
TT
RI
VIN
HY
EN
ALU
OI
DO
NG
HA
DO
NG
HO
IH
OIX
UA
NH
UE
HU
ON
GK
HE
KY
AN
HN
AM
DO
NG
TH
AN
HH
OA
TU
ON
GD
UO
NG
TU
YE
NH
OA
VIN
HB
AT
OD
AN
AN
GN
HA
TR
AN
GP
HA
NT
HIE
TQ
UA
NG
NG
AI
QU
YN
HO
NT
RA
MY
TU
YH
OA
AY
UN
PA
BA
OLO
CB
MT
HU
OT
DA
KN
ON
GD
ALA
TK
ON
TU
MP
LE
IKU
CA
MA
UC
AN
TH
OC
ON
DA
OP
HU
QU
OC
PH
UQ
UY
RA
CH
GIA
TR
UO
NG
SA
VU
NG
TA
U
Số n
gày
Sai số ME của tổng số ngày ba tháng mùa đông có Tm > TN90 tại các thời điểm dự báo khác nhau
DB_201208 DB_201209 DB_201210 DB_201211
81
Hình 3.29. Sai số MAE của tổng số ngày ba tháng mùa đông 2012 có Tm > TN90 tại 4 thời điểm dự báo
0
10
20
30
40
50
60
70D
IEN
BIE
N
LA
ICH
AU
MO
CC
HA
U
SO
NLA
YE
NC
HA
U
BA
CQ
UA
NG
BA
ICH
AY
CO
TO
HA
GIA
NG
LA
NG
SO
N
PH
UH
O
SA
PA
TA
MD
AO
TH
AIN
GU
YE
N
TU
YE
NQ
UA
NG
YE
NB
AI
BA
CH
LO
NG
VI
BA
VI
CH
ILIN
H
HA
IDU
ON
G
HA
NO
I
HO
AB
INH
HU
NG
YE
N
NA
MD
INH
NH
OQ
UA
N
NIN
HB
INH
PH
ULIE
N
SO
NT
AY
TH
AIB
INH
VA
NLY
VIE
TT
RI
VIN
HY
EN
ALU
OI
DO
NG
HA
DO
NG
HO
I
HO
IXU
AN
HU
E
HU
ON
GK
HE
KY
AN
H
NA
MD
ON
G
TH
AN
HH
OA
TU
ON
GD
UO
NG
TU
YE
NH
OA
VIN
H
BA
TO
DA
NA
NG
NH
AT
RA
NG
PH
AN
TH
IET
QU
AN
GN
GA
I
QU
YN
HO
N
TR
AM
Y
TU
YH
OA
AY
UN
PA
BA
OLO
C
BM
TH
UO
T
DA
KN
ON
G
DA
LA
T
KO
NT
UM
PLE
IKU
CA
MA
U
CA
NT
HO
CO
ND
AO
PH
UQ
UO
C
PH
UQ
UY
RA
CH
GIA
TR
UO
NG
SA
VU
NG
TA
U
Số n
gày
Sai số MAE của tổng số ngày ba tháng mùa đông có Tm >TN90 tại các thời điểm dự báo khác nhau
DB_201208 DB_201209 DB_201210 DB_201211
Hình 3.30. Sai số ME c
Hình 3.30 và 3.31
Qua đó thấy rằng, sai s
đến -15 ngày. Sai số này có giá tr
Nam phụ thuộc vào th
khi đứng ở tháng 8 dự
Sai số MAE củ
có giá trị lớn nhưng ổn đ
Trung bộ trở vào sai s
tỏ, thời điểm dự báo ảnh hư
-20
-15
-10
-5
0
5
10
15
20
25D
IEN
BIE
NLA
ICH
AU
MO
CC
HA
USO
NLA
YEN
CH
AU
BA
CQ
UA
NG
BA
ICH
AY
CO
TOH
AG
IAN
GLA
NG
SON
PH
UH
OSA
PA
TAM
DA
O
Số n
gày
Sai số ME của tổng số ngày ba tháng mùa đông có Tx < TX10 tại
82
ME của tổng số ngày ba tháng mùa đông 2012 có
thời điểm dự báo
Hình 3.30 và 3.31 chỉ ra sai số tổng số ngày ba tháng mùa đông
ng, sai số ME có giá trị âm trên khu vực phía Bắ
này có giá trị thiên âm hoặc thiên dương ở
c vào thời điểm dự báo. Chẳng hạn, mô hình có xu th
báo, thiên âm khi đứng ở tháng 11 dự báo.
ủa mô hình dao động phổ biến từ 1 đến 15
n định trên khu vực phía Bắc và Bắc Trung b
vào sai số không ổn định giữa các thời điểm dự báo. Đi
nh hưởng không nhiều đến việc dự báo TX10.
TAM
DA
OTH
AIN
GU
YEN
TUYE
NQ
UA
NG
YEN
BA
IB
AC
HLO
NG
VI
BA
VI
CH
ILIN
HH
AID
UO
NG
HA
NO
IH
OA
BIN
HH
UN
GYE
NN
AM
DIN
HN
HO
QU
AN
NIN
HB
INH
PH
ULI
ENSO
NTA
YTH
AIB
INH
VA
NLY
VIE
TTR
IV
INH
YEN
ALU
OI
DO
NG
HA
DO
NG
HO
IH
ATI
NH
HO
IXU
AN
HU
EH
UO
NG
KH
EK
YAN
HN
AM
DO
NG
THA
NH
HO
ATU
ON
GD
UO
NG
TUYE
NH
OA
VIN
HB
ATO
DA
NA
NG
NH
ATR
AN
GP
HA
NTH
IET
QU
AN
GN
GA
I
Sai số ME của tổng số ngày ba tháng mùa đông có Tx < TX10 tại các thời điểm dự báo khác nhau
DB_201208 DB_201209 DB_201210 DB_201211
2012 có Tx<TX10 tại 4
ngày ba tháng mùa đông có TX10.
ắc với dao động từ 0
miền Trung và miền
n, mô hình có xu thế thiên dương
báo.
n 15 ngày. Sai số MAE
c Trung bộ. Khu vực Nam
báo. Điều này chứng
báo TX10.
QU
AN
GN
GA
IQ
UYN
HO
NTR
AM
YTU
YHO
AA
YUN
PA
BA
OLO
CB
MTH
UO
TD
AK
NO
NG
KO
NTU
MP
LEIK
UC
AM
AU
CA
NTH
OC
ON
DA
OP
HU
QU
OC
PH
UQ
UY
RA
CH
GIA
TRU
ON
GSA
VU
NG
TAU
Sai số ME của tổng số ngày ba tháng mùa đông có Tx < TX10 tại
Hình 3.31. Sai số MAE c
0
4
8
12
16
20
24
DIE
NB
IEN
LAIC
HA
U
MO
CC
HA
U
SON
LA
YEN
CH
AU
BA
CQ
UA
NG
BA
ICH
AY
CO
TO
HA
GIA
NG
LAN
GSO
N
PH
UH
O
SAP
A
TAM
DA
O
THA
ING
UYE
N
TUYE
NQ
UA
NG
YEN
BA
I
BA
CH
LON
GV
I
Số n
gày
Sai số MAE của tổng số ngày ba tháng mùa đông có Tx < TX10tại các thời điểm dự báo khác nhau
83
MAE của tổng số ngày ba tháng mùa đông 2012 có Tx< TX10 tại 4 th
BA
CH
LON
GV
I
BA
VI
CH
ILIN
H
HA
IDU
ON
G
HA
NO
I
HO
AB
INH
HU
NG
YEN
NA
MD
INH
NH
OQ
UA
N
NIN
HB
INH
PH
ULI
EN
SON
TAY
THA
IBIN
H
VA
NLY
VIE
TTR
I
VIN
HYE
N
ALU
OI
DO
NG
HA
DO
NG
HO
I
HA
TIN
H
HO
IXU
AN
HU
E
HU
ON
GK
HE
KYA
NH
NA
MD
ON
G
THA
NH
HO
A
TUO
NG
DU
ON
G
TUYE
NH
OA
VIN
H
BA
TO
DA
NA
NG
NH
ATR
AN
G
PH
AN
THIE
T
QU
AN
GN
GA
I
QU
YNH
ON
Sai số MAE của tổng số ngày ba tháng mùa đông có Tx < TX10tại các thời điểm dự báo khác nhau
DB_201208 DB_201209 DB_201210 DB_201211
i 4 thời điểm dự báo
QU
YNH
ON
TRA
MY
TUYH
OA
AYU
NP
A
BA
OLO
C
BM
THU
OT
DA
KN
ON
G
KO
NTU
M
PLE
IKU
CA
MA
U
CA
NTH
O
CO
ND
AO
PH
UQ
UO
C
PH
UQ
UY
RA
CH
GIA
TRU
ON
GSA
VU
NG
TAU
Hình 3.32. Sai số ME c
Hình 3.32 và 3.33
đông có TX90. Thấy r
tất cả các trạm ứng vớ
dự báo có xu thế thiên dương trên khu v
Giá trị sai số MAE c
MAE nhỏ trên khu vực phía B
Tóm lại, vào các tháng mùa đông,
trạm phía Bắc. Khoảng sai s
8 ngày và TX90 là kho
hậu cực đoan cho tổng s
vào thời điểm làm dự báo.
-60
-45
-30
-15
0
15
30
45
60
DIE
NB
IEN
LAIC
HA
UM
OC
CH
AU
SON
LAYE
NC
HA
UB
AC
QU
AN
GB
AIC
HA
YC
OTO
HA
GIA
NG
LAN
GSO
NP
HU
HO
SAP
ATA
MD
AO
THA
ING
UYE
N
Số n
gày
Sai số ME của tổng số ngày ba tháng mùa đông có Tx > TX90 tại các thời
84
ME của tổng số ngày ba tháng mùa đông 2012 có
điểm dự báo.
Hình 3.32 và 3.33 biểu diễn sai số ME, MAE của tổng số
y rằng, mô hình dự báo xu hướng thiên âm so v
ới các thời điểm làm dự báo khác nhau, tr
thiên dương trên khu vực B2, B3.
MAE của TX90 dao động trong khoảng 1 đ
c phía Bắc và tăng dần vào phía Nam.
ào các tháng mùa đông, TX90 và TN10 có giá tr
ng sai số trung bình với TX10 tại các thời đi
TX90 là khoảng 10 ngày. Kết quả dự báo các yếu t
ng số ngày của ba tháng cho các hiện tượ
báo.
THA
ING
UYE
NTU
YEN
QU
AN
GYE
NB
AI
BA
CH
LON
GV
IB
AV
IC
HIL
INH
HA
IDU
ON
GH
AN
OI
HO
AB
INH
HU
NG
YEN
NA
MD
INH
NH
OQ
UA
NN
INH
BIN
HP
HU
LIEN
SON
TAY
THA
IBIN
HV
AN
LYV
IETT
RI
VIN
HYE
NA
LUO
ID
ON
GH
AD
ON
GH
OI
HA
TIN
HH
OIX
UA
NH
UE
HU
ON
GK
HE
KYA
NH
NA
MD
ON
GTH
AN
HH
OA
TUO
NG
DU
ON
GTU
YEN
HO
AV
INH
BA
TOD
AN
AN
GN
HA
TRA
NG
PH
AN
THIE
TQ
UA
NG
NG
AI
Sai số ME của tổng số ngày ba tháng mùa đông có Tx > TX90 tại các thời điểm dự báo khác nhau
DB_201208 DB_201209 DB_201210 DB_201211
2012 có Tx>TX90 tại 4 thời
ố ngày ba tháng mùa
thiên âm so với quan trắc trên
khác nhau, trừ tháng 8, mô hình
ng 1 đến 50 ngày. Sai số
10 có giá trị thiên âm trên các
i điểm dự báo khoảng
u tố và hiện tượng khí
ợng không phụ thuộc
QU
AN
GN
GA
IQ
UYN
HO
NTR
AM
YTU
YHO
AA
YUN
PA
BA
OLO
CB
MTH
UO
TD
AK
NO
NG
KO
NTU
MP
LEIK
UC
AM
AU
CA
NTH
OC
ON
DA
OP
HU
QU
OC
PH
UQ
UY
RA
CH
GIA
TRU
ON
GSA
VU
NG
TAU
Sai số ME của tổng số ngày ba tháng mùa đông có Tx > TX90 tại các thời
Hình 3.33. Sai số MAE c
0
10
20
30
40
50
60
DIE
NB
IEN
LAIC
HA
U
MO
CC
HA
U
SON
LA
YEN
CH
AU
BA
CQ
UA
NG
BA
ICH
AY
CO
TO
HA
GIA
NG
LAN
GSO
N
PH
UH
O
SAP
A
TAM
DA
O
THA
ING
UYE
N
TUYE
NQ
UA
NG
YEN
BA
I
BA
CH
LON
GV
I
Số n
gày
Sai số MAE của tổng số ngày ba tháng mùa đông có Tx > TX90
85
MAE của tổng số ngày ba tháng mùa đông 2012 có Tx>TX90 tại 4 th
BA
VI
CH
ILIN
H
HA
IDU
ON
G
HA
NO
I
HO
AB
INH
HU
NG
YEN
NA
MD
INH
NH
OQ
UA
N
NIN
HB
INH
PH
ULI
EN
SON
TAY
THA
IBIN
H
VA
NLY
VIE
TTR
I
VIN
HYE
N
ALU
OI
DO
NG
HA
DO
NG
HO
I
HA
TIN
H
HO
IXU
AN
HU
E
HU
ON
GK
HE
KYA
NH
NA
MD
ON
G
THA
NH
HO
A
TUO
NG
DU
ON
G
TUYE
NH
OA
VIN
H
BA
TO
DA
NA
NG
NH
ATR
AN
G
PH
AN
THIE
T
QU
AN
GN
GA
I
QU
YNH
ON
Sai số MAE của tổng số ngày ba tháng mùa đông có Tx > TX90 tại các thời điểm dự báo khác nhau
DB_201208 DB_201209 DB_201210 DB_201211
i 4 thời điểm dự báo
QU
YNH
ON
TRA
MY
TUYH
OA
AYU
NP
A
BA
OLO
C
BM
THU
OT
DA
KN
ON
G
KO
NTU
M
PLE
IKU
CA
MA
U
CA
NTH
O
CO
ND
AO
PH
UQ
UO
C
PH
UQ
UY
RA
CH
GIA
TRU
ON
GSA
VU
NG
TAU
86
Tương tự như với hạn 3 tháng, hạn dự báo 6 tháng cho 12 trường hợp làm dự
báo năm 2012 cũng được xem xét. Trong các hình từ 3.34 đến 3.44, trục tung là các
tháng đứng dự báo cho 6 tháng tiếp theo không tính tháng đứng dự báo, trục hoành
là các trạm được dự báo. Mỗi ô vuông thể hiện sai số ME hoặc MAE của R95, R99,
TN10, TN90, TX10, TX90. Danh sách các trạm được xếp theo thứ tự 7 vùng khí
hậu.
Hình 3.34. Sai số ME của tổng số ngày 6 tháng có Tm < TN10 ứng với 12 tháng đứng dự
báo.
Hình 3.35. Sai số MAE của tổng số ngày 6 tháng có Tm < TN10 ứng với 12 tháng đứng
dự báo.
87
Hình 3.34 và 3.35 biểu diễn sai số ME, MAE tổng số ngày sáu tháng có
TN90. Mô hình thể hiện xu hướng thiên dương trên khu vực miền Trung và phía
Nam. Giá trị ME dao động trong khoảng -10 đến 70 ngày, phổ biến từ -10 đến 20
ngày ở phía bắc và từ 10 đến 30 từ Bắc Trung bộ trở vào Nam bộ.
Sai số MAE của TN10 dao động từ 0 đến 80 ngày, phổ biến từ 0 đến 20
ngày. Sai số lớn được nhận thấy trên cả nước, khi đứng dự báo ở tháng 8 và tháng 9,
với khoảng dao động từ 30 đến 50 ngày. Một số trạm tại Nam bộ có sai số rất lớn
khi đứng dự báo từ tháng 1 đến tháng 6.
Hình 3.36. Sai số ME của tổng số ngày 6 tháng có Tm > TN90 ứng với 12 tháng đứng dự
báo.
Hình 3.37. Sai số MAE của tổng số ngày 6 tháng có Tm > TN90 ứng với 12 tháng đứng
dự báo.
88
Sai số ME, MAE tổng số ngày sáu tháng có TN90 được chỉ ra trên hình 3.36
và 3.37. Mô hình dự báo thiên thấp so với quan trắc. Giá trị ME dao động khoảng -
60 đến 20 ngày ở khu vực phía Nam, và khoảng -40 đến 0 ở khu vực phía bắc và
miền trung. Sai số MAE có giá trị trong khoảng 10 đến 120 ngày, phổ biến từ 10
đến 70 ngày. Sai số lớn tập trung tại các trạm phía Nam. Khu vực B1 và N2, tuy sai
số tương đối lớn (khoảng 50-90 ngày) nhưng không có sự chênh lêch đáng kể ở mỗi
thời điểm dự báo. Có thể thấy rằng, hai khu vực này có địa hình cao hơn so với các
khu vực khác nên một trong những nguyên nhân dẫn đến sai số lớn có thể do bị ảnh
hưởng bởi điều kiện địa hình.
Hình 3.38. Sai số ME của tổng số ngày 6 tháng có Tx < TX10 ứng với 12 tháng đứng dự
báo.
89
Hình 3.39. Sai số MAE của tổng số ngày 6 tháng có Tx < TX10 ứng với 12 tháng đứng dự
báo.
Hình 3.38 và 3.39 biểu diễn sai số ME, MAE tổng số ngày sáu tháng có
TX10. Nhận thấy rằng, mô hình dự báo xu thế thiên thấp so với quan trắc. Sai số
MAE trên các khu vực tương đối thấp, phổ biến dao động trong khoảng 0 đến 40
ngày, chỉ trừ trạm Phú Quý có sai số lên đến 80 ngày. Sai số MAE thấp và hầu như
ổn định trên cả nước, chứng tỏ, mô hình clWRF có thể nắm bắt tốt hiện tượng
TX10.
Hình 3.40. Sai số ME của tổng số ngày 6 tháng có Tx > TX90 ứng với 12 tháng đứng dự
báo.
90
Hình 3.41. Sai số MAE của tổng số ngày 6 tháng có Tx > TX90 ứng với 12 tháng đứng dự
báo.
Hình 3.40 và 3.41 biểu diễn sai số ME, MAE tổng số ngày sáu tháng có
TX90. Có thể nhận thấy rằng, giá trị sai số ME của TX90 nằm trong khoảng -60 đến
30 ngày. Trị số sai số âm lớn trên khu vực phía Nam. Mô hình dự báo xu thế thiên
âm so với quan trắc trên các vùng khí hậu, trừ khu vực B2 mô hình dự báo xu thế
hầu như thiên dương ở các thời điểm làm dự báo. Sai số MAE nằm trong khoảng từ
0 đến 70 ngày. Khu vực phía bắc và miền trung, giá trị MAE thấp hơn, dao động từ
10 đến 40 ngày. Trong khi đó sai số này lớn ở khu vực phía nam, với khoảng dao
động từ 10 đến 70 ngày.
Hình 3.42. Sai số ME tổng số ngày 6 tháng có R > R95 ứng với 12 tháng đứng dự báo.
91
Hình 3.43. Sai số MAE của tổng số ngày 6 tháng có R > R95 ứng với 12 tháng đứng dự
báo.
Hình 3.42 và 3.43 biểu diễn sai số ME, MAE tổng số ngày sáu tháng có
lượng mưa lớn hơn ngưỡng phân vị thứ 95 (R95) ứng với 12 lần làm dự báo, bắt
đầu từ tháng 1/2012, cho 6 tháng tiếp theo (từ tháng 2 đến tháng 7, từ tháng 3 đến
tháng 8,…). Kết quả cho thấy, số ngày có R95 hầu như thiên âm trên các trạm tại
các thời điểm dự báo khác nhau. Qua đó có thể thấy, giá trị của sai số ME dao động
phổ biến trong khoảng từ -10 đến 10 ngày. Mô hình dự báo xu thế thiên âm trên khu
vực phía bắc, và phía nam, xu thế thiên dương ở khu vực miền Trung. Sai số MAE
dao động từ 0 đến 20 ngày, phổ biến trong khoảng 5 đến 15 ngày. Sai số MAE lớn
khi đứng ở các tháng mùa thu và mùa đông dự báo cho khu vực B1,với giá trị sai số
trong khoảng 10 đến 15 ngày.
92
Hình 3.44. Sai số ME của tổng số ngày 6 tháng có R > R99 ứng với 12 tháng đứng dự báo.
Hình 3.45. Sai số MAE của tổng số ngày 6 tháng có R > R99 ứng với 12 tháng đứng dự
báo.
Hình 3.44 và 3.45 biểu diễn sai số ME, MAE tổng số ngày sáu tháng có
lượng mưa lớn hơn ngưỡng phân vị thứ 99 (R99) ứng với 12 lần làm dự báo, bắt
đầu từ tháng 1/2012, cho 6 tháng tiếp theo (từ tháng 2 đến tháng 7, từ tháng 3 đến
tháng 8,…). Đứng dự báo ở sáu tháng đầu năm và tháng 12 năm 2012, mô hình dự
báo xu thế thiên dương, với sai số ME của R99 có giá trị dao động trong khoảng 0
đến 16 ngày, phổ biến từ 2 đến 12 ngày. Sai số MAE phổ biến trong khoảng 0 đến
18 ngày. Sai số này lớn nhất trên khu vực miền trung và Tây Nguyên, với trị số dao
93
động từ 6 đến 14 ngày. Đứng ở các tháng còn lại dự báo, giá trị ME nằm trong
khoảng -6 đến 2, phổ biến từ -2 đến 0 ngày. Sai số MAE có giá trị tương đối thấp,
trong khoảng 0 đến 6 ngày.
Do dung lượng tập mẫu số liệu quan trắc ngày chưa đủ lớn, bên cạnh đó còn
bị khuyết nhiều ngày trong tháng. Mặc dù, đã lọc bỏ các trạm thiếu quá nhiều số
liệu cho từng chỉ số nhưng vẫn còn một số trạm thiếu chỉ vài ngày số liệu. Nếu lọc
bỏ sẽ không đủ tập mẫu để đánh giá, bên cạnh đó, việc tính các chỉ số cực đoan
cũng như sai số liên quan được thực hiện trên từng điểm trạm nên các trạm này vẫn
được sử dụng trong luận văn.
94
Kết luận
Để hoàn thành luận văn, tác giả đã sử dụng mô hình clWRF chạy dự báo hạn
6 tháng cho 17 tháng từ 1/2012 đến 5/2013 với số liệu dự báo toàn cầu của mô hình
CFS. Việc hiệu chỉnh sản phẩm dự báo cũng đã được thực hiện thông qua bộ giá trị
hiệu chỉnh được xây dựng khi sử dụng khí hậu mô hình từ việc chạy clWRF với 20
năm số liệu tái phân tích CFSR và số liệu quan trắc tại trạm trong giai đoạn tương
ứng. Kết quả dự báo các trường giá trị trung bình và một số yếu tố và hiện tượng
khí hậu cực đoan đã được đánh giá thông qua các chỉ số thống kê ME, MAE,
RMSE khi sử dụng số liệu quan trắc từ mạng lưới trạm khí tượng trên 7 vùng khí
hậu Việt Nam. Qua đó cho phép rút ra một số nhận xét sau:
1) Với trường nhiệt độ trung bình tháng:
- Về cơ bản mô hình clWRF với các điều kiện ban đầu và điều kiện biên
CFS đã dự báo được khá tốt các trường nhiệt độ trung bình mực 2m
(T2m), nhiệt độ cực tiểu trung bình tháng (Tm), nhiệt độ cực đại trung
bình tháng (Tx) tại tất cả các hạn dự báo và các tháng được dự báo. Dự
báo T2m, Tm và Tx của mô hình có xu hướng thiên thấp (ME<0) nhưng
khá ổn định (MAE gần tương đương với RMSE). Việc hiệu chỉnh nhiệt
độ dự báo của mô hình đã cải thiện đáng kể chất lượng dự báo với sai số
dự báo nhiệt độ vào khoảng 1.00C.
- Sai số dự báo T2m, Tm và Tx cho tất cả các vùng khí hậu không khác
biệt nhiều. Nếu xem xét chi tiết có thể thấy sai số dự báo nhỏ hơn trên các
vùng khí hậu B2 (Đông Bắc Bộ), N2 (Tây Nguyên) và N3 (Nam Bộ).
2) Với tổng lượng mưa tháng
- Mô hình dự báo mưa có xu thế thiên dương (ME>0). Lượng mưa tháng
được dự báo khá tốt vào thời kì mùa khô (3 tháng mùa đông) ở tất cả các
hạn dự báo nhưng kém hơn vào thời kì mùa mưa (3 tháng mùa hè). Sau
khi hiệu chỉnh, lượng mưa dự báo của mô hình đã được cải thiện đáng kể
với sai số tương đối ổn định, dao động từ 50 đến 100 mm/tháng.
95
- Lượng mưa dự báo trên các vùng khí hậu tuy có chênh lệch lớn so với
quan trắc nhưng sai số tương đối ổn định. Việc hiệu chỉnh đã cải thiện
đáng kể lượng mưa dự báo trên khu vực miền Trung và phía Nam còn với
khu vực phía Bắc chất lượng dự báo của mô hình ít được cải thiện.
3) Một số hiện tượng khí hậu cực đoan:
Mô hình đã dự báo được số ngày xảy ra các hiện tượng cực đoan cho
thời đoạn ba tháng mùa hè và sáu tháng thuộc hạn dự báo với sai số MAE tương
đối ổn định ở các lần dự báo. Các yếu tố và hiện tượng liên quan đến nhiệt độ
cực đại, cực tiểu có sai số nhỏ khi hạn dự báo càng gần với đích dự báo, ngoại
trừ số ngày có nhiệt độ cực tiểu nhỏ hơn phân vị 10% (TN10) và số ngày có
nhiệt độ cực đại lớn hơn phân vị 90% (TN90) của ba tháng mùa đông có sai số
lớn. Số ngày có mưa lớn hơn phân vị 95% (R95) và số ngày có mưa lớn hơn
phân vị 99% (R99) có sai số nhỏ khi hạn dự báo xa đích dự báo.
96
TÀI LIỆU THAM KHẢO
Tiếng Việt
1. Nguyễn Đức Ngữ (2009), Biến đổi khí hậu thách thức đối với sự phát triển(kỳ
1), Kinh tế Môi trường, số 01, 10.
2. Nguyễn Viết Lành (2007), Một số kết quả nghiên cứu về biến đổi khí hậu trên
khu vực Việt Nam, Tạp chí khí tượng Thuỷ văn, số 560, 33.
3. Phan Văn Tân, Hồ Thị Minh Hà, Lương Mạnh Thắng, Trần Quang Đức
(2009), Về khả năng ứng dụng mô hình RegCM vào dự báo hạn mùa các
trường khí hậu bề mặt ở Việt Nam. Tạp chí ĐHQG Hà Nội, Tập 25, Số
4, 2009, tr. 241-251.
4. Phan Văn Tân, Đỗ Huy Dương, Võ Văn Hòa (2009), Đánh giá khả năng mô
phỏng một số yếu tố khí hậu cực đoan của mô hình khí hậu khu vực
RegCM. Tạp chí Khí tượng Thủy văn, Hà Nội, 8 (584), tr. 15-23.
5. Trần Tân Tiến, Nguyễn Thị Thanh, (2011), “Đồng hóa số liệu vệ tinh Modis
trong mô hình WRF để dự báo mưa lớn ở khu vực Trung Bộ”, Tạp chí
khoa học ĐHQGHN, Khoa học tự nhiên và Công nghệ số 27, Số 3S, p.
90-95.
6. Trần Tân Tiến, Công Thanh, Nguyễn Thị Phượng, (2012), “Dự báo cường độ
bão bằng mô hình WRF hạn 5 ngày trên khu vực biển Đông”, Tạp chí
khoa học ĐHQGHN, Khoa học tự nhiên và Công nghệ số 28, Số 3S,
p.155-160.
7. Nguyễn Văn Tuyên, 2007: Xu hướng hoạt động của xoáy thuận nhiệt đới trên
Tây Bắc Thái Bình Dương và biển Đông theo các cách phân loại khác
nhau. Tạp chí KTTV, (số 559) tháng 7 năm 2007, tr.4-10.
Tiếng Anh
8. Caldwell Peter, Hung-Neng S. Chin, David C. Bader, Govindasamy Bala
(2009), “Evaluation of aWRF dynamical downscaling simulation over
97
California”, Climatic Change, 95:499-521, DOI 10.1007/s10584-009-
9583-5.
9. Chakrit C., Eric P. S. Jr., Jiemjai K., Somporn C. (2012), “Evaluation
Precipitaiton Simulations over Thailand using a WRF Regional Climate
Model”, Chiang Mai J. Sci., 39(4), p. 623-638.
10. Chakrit C., Eric P. S. Jr., Jiemjai K., Somporn C., Kingkeo S., (2011),
“Projected climate change over Southeast Asia simulated using a WRF
regional climate model”, Atmospheric Science Letters, dol:
10.1002/asl.313.
11. Daniel A., Jose M. H.-M., Sonia R. G.-F., Maria J. E.-P., Yolanda C.-D.
(2012), “Evaluation of WRF Mean and Extreme Precipitation over
Spain : Present Climate (1970-99)”, Journal of Climate, Vol 25, p. 4883-
4897.
12. Deng Weitao, Sun Zhaobo, Wu Lingling, Deng Xueliang (2009), “Precdiction
of summer precipitation anomalies over China by CAM_RegCM nest
model”.
13. Dev M., Surabi M. (2011), “Regional climate consequences of large-scale cool
roof and photovoltaic array deployment”, Environ. Res. Lett, 6 (July-
September 2011) 034001, doi.10.1088/1748-9326/6/3/034001.
14. DuffyH P. B., R. W. Arritt, J. Coquard, W. Gutowski, J. Han, J. Iorio, J.
Kim, L.-R. Leung, J. Roads, E. Zeledon (2006), “Simulations of Present
and Future Climates in the Western United States with Four Nested
Regional Climate Models”, J. Clim., 19, 873895.
15. Emori, S., A. Hasegawa, T. Suzuki, and K. Dairaku (2005), “Validation,
parameterization dependence, and future projection of daily precipitation
simulated with a high-resolution atmospheric GCM”, Geophys. Res.
Lett., 32, L06708, doi:10.1029/ 2004GL022306.
16. L. Fita and J. Fernandez and M. Garcia-Diez, “CLWRF: WRF modifications
for regional climate simulation under future scenarios. Group de
98
Meoteorologia”, Dpt. Appl. Math. And Comp. Scie., Universidad de
Cantabria, Spain..
17. Halenka T., J. Kalvova, Z. Chladova, A. Demeterova, K. Zemankova, and M.
Belda (2006), “On the capability of RegCM to capture extremes in long
term regional climate simulation – comparison with the observations for
Czech Republic”, Theor Appl Climatol. 86, 125–145.
18. D. T-W. Hui, K. K-Y. Shum, J. Chen, S.-C. Chen, J. Ritchie, J. O. Roads,
2006: Case studies of seasonal rainfall forecasts for Hong Kong and its
vicinity using a regional climate model.
19. Iorio J. P., P. B. Duffy, B. Govindasamy, S. L. Thompson, M. Khairoutdinov,
D. Randall (2004), “Effects of model resolution and subgrid-scale
physics on the simulation of precipitation in the continental United
States”, Clim Dyn, 23: 243-258, DOI 10.1007/s00382-004-0440-y.
20. James M. D. và CS, “ Regional climate simulation using the WRF model”.
21. Jaime T., Zaitao P., “Assessment of WRF ability in predicting extreme
anomalies on sub-seasonal scales – preliminary results”, Dpt of Earth
and Atmospheric Sci., Saint Louis University, St. Louis, MO 63108.
22. Kiktev, D., D. M. H. Sexton, L. Alexander, and C. K. Folland (2003),
“Comparison of modeled and observed trends in indices of daily climate
extremes.”, J. Climate, 16, 3560–3571.
23. Kimoto, M., N. Yasutomi, C. Yokoyama, and S. Emori (2005), “Projected
changes in precipitation characteristics near Japan under the global
warming”, Scientifi c Online Letters on the Atmosphere, 1, 85–88, doi:
10.2151/sola.2005-023.
24. JU Lixia and Lang Xianmei (2011), “Hindcast Experiment of Extraseasonal
Short-Term Summer Climate Prediction over China with
RegCM3_IAP9L_AGCM”, ACTA Meteorologica sinica, vol 25.
25. May W. (2004), “Simulation of the variability and extremes of daily rainfall
during the Indian summer monsoon for present and future times in a
99
global time-slice experiment”, Clim Dyn, 22: 183-204, DOI
10.1007/s00382-003-0373-x.
26. Meehl G. A., C. Tebaldi, D. Nychka (2004a), “Changes in frost days in
simulations of twentyfirst century climate”, Clim Dyn, 23: 495-511, DOI
10.1007/s00382-004-0442-9.
27. Meehl, Gerald A., Warren M. Washington, Caspar M. Ammann, Julie M.
Arblaster, T. M. L. Wigley, Claudia Tebaldi (2004b), “Combinations of
Natural and Anthropogenic Forcings in Twentieth-Century Climate”, J.
Climate, 17, 3721–3727.
28. Mharin, Viatcheslav V., Francis W. Zwiers (2005), “Estimating Extremes in
Transient Climate Change Simulations”, J. Climate, 18, 1156–1173.
29. Skamarock, W. C., and Coauthors, 2008: A description of the Advanced
Research WRF version 3. NCAR Tech. Note NCAR/TN-4751STR, 125
pp. [Available online
athttp://www.mmm.ucar.edu/wrf/users/docs/arw_v3.pdf.]
30. Stockdale, T. (2000), “An overview of techniques for seasonal
forecasting”, Stochastic Environ. Res. Risk Assess., 14, 305–318
31. Sun, Y., S. Solomon, A. Dai, and R. Portmann (2006), “How often does it
rain?”, J. Clim., 19, 916–934.
32. Sylla M. B. & A. T. Gaye & J. S. Pal & G. S. Jenkins & X. Q. Bi (2009),
“High-resolution simulations of West African climate using regional
climate model (RegCM3) with different lateral boundary conditions”,
Theor Appl Climatol 98:293–314.
33. Vavrus, S., J.E. Walsh, W.L. Chapman, and D. Portis (2006), “The behavior
of extreme cold air outbreaks under greenhouse warming”, Int. J.
Climatol., 26, 1133–1147.
34. Wei Gao và CS (2006), “Sensitivity of CWRF simulations of the China 1998
summer flood to cumulus parameterixations”.
100
35. Yongxin Z. (2009), “Evalution of WRF and HadRM Mesoscale Climate
Simulation over the United Stated Pacific Northwest”,
36. http://www.mmm.ucar.edu/wrf/users/
37. http://www.skepticalscience.com/print.php?n=1016