Luận văn Thạc sĩ Khoa học: Thử nghiệm dự báo hạn mùa một số yếu tố và hiện tượng cực đoan ở Việt Nam bằng mô hình ClWRF

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

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

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

2

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

3

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

4

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

Hình 3.27. Sai số MAE của tổng số ngày ba tháng mùa đông 2012 có Tm

5

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

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

6

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

7

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

8

DANH MỤC VIẾT TẮT

AGCM

AMIP AOGCM

Mô hình hoàn lưu chung khí quyển (Atmospheric General Circulation Model) Atmospheric Model Intercomparison Project Mô hình hoàn lưu chung khí quyển-đại dương (Atmosphere- Ocean General Circulation Model) Tây Bắc Đông Bắc Đồng bằng Bắc bộ Bắc Trung bộ Community Climate System Model Cộng sự Climate Forecast System Climate Forecast System Reanalysis Climate WRF model Climatic Research Unit Extreme Climate Events Mô hình khí hậu toàn cầu (ECMWF – Hamburg) Hàm phân bố Hàm mật độ xác suất Giá trị mô hình Mô hình khí hậu toàn cầu Hadley Centre Atmospheric Model version 3 Khí hậu cực đoan Hạn dự báo Sai số tuyệt đối trung bình Sai số trung bình Nam Trung bộ Tây Nguyên Nam bộ Giá trị quan trắc Parallel Climate Model Xác suất Phân vị Tổng lượng mưa tháng Regional Climate Model

B1 B2 B3 B4 CCSM CS CFS CFSR clWRF CRU ECE ECHAM F(x) f(x) Fi GCM HadAM3 KHCĐ L MAE ME N1 N2 N3 Oi PCM p q R RCM

9

The Representative Concentration Pathways Regional Climate Model Root Mean Square Error Số ngày mưa lớn hơn phân vị 95% Số ngày mưa lớn hơn phân vị 99% The Special Report on Emissions Scenarios

Trung bình hiệu chỉnh Trung bình quan trắc Nhiệt độ cực tiểu trung bình tháng Số ngày có nhiệt độ cực tiểu nhỏ hơn phân vị 10% Số ngày có nhiệt độ cực tiểu lớn hơn phân vị 90% Nhiệt độ cực đại trung bình tháng Số ngày có nhiệt độ cực đại nhỏ hơn phân vị 10% Số ngày có nhiệt độ cực đại lớn hơn phân vị 90% Nhiệt độ trung bình bề mặt mực 2m Biến khí hậu cực trị Tập giá trị của X Weather Research and Forecasting

RCP RegCM RMSE R95 R99 SRES TBCHC, TBKHC Trung bình chưa hiệu chỉnh TBHC TBQT Tm TN10 TN90 Tx TX10 TX90 T2m X x WRF

10

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.

11

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

12

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).

13

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

Bảng 1.1. Sự thay đổi nhiệt độ và albedo trong đô thị

Δ Temperature

% Urbana Δ Albedo Summer (JJA) Winter (DJF)

Location Columbus, OH San Antonio, TX San Diego, CA Jacksonville, FL San Jose, CA Dallas, TX Phoenix, AZ Miami, FL Chicago, IL Atlanta, GA Philadelphia, PA Houston, TX New York, NY Detroit, MI Los Angeles, CA

– 0.02b – 0.08b – 0.13 + 0.01b – 0.23 – 0.09b – 0.16 – 0.11 – 0.27 – 0.12 – 0.22 – 0.19 – 0.30 – 0.39 – 0.53

– 0.05 – 0.10 – 0.11 – 0.06 – 0.10 – 0.08b – 0.19 – 0.12 – 0.12 – 0.21 – 0.22 – 0.24 – 0.24 – 0.12 – 0.41

0.02 0.03 0.03 0.03 0.03 0.05 0.05 0.06 0.07 0.08 0.09 0.10 0.10 0.11 0.11

20% 27% 28% 28% 29% 42% 47% 54% 61% 70% 75% 86% 91% 95% 96% 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

15

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

16

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.

17

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

18

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

19

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

20

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.

21

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” (19992001) 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]

22

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.

23

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.

24

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).

25

Bảng 2.1. Các trường hợp chạy dự báo

Thời điểm làm dự báo

Các tháng được dự báo

20120109

20120116

20120123

2/2012 – 7/2012

20120130

20120213

20120220

3/2012 – 8/2012

20120227

20120305

20120312

4/2012 – 9/2012

20120319

20120402

20120416

5/2012 – 10/2012

20120423

20120514

20120521

6/2012 – 11/2012

20120528

20120604

20120611

20120618

7/2012 – 12/2012

20120625

20120716

20120723

8/2012 – 1/2013

20120730

20120820

9/2012 – 2/2013

20120910

10/2012 – 3/2013

20120917

20121008

20121015

20121022

11/2012 – 4/2013

20121029

20121105

12/2012 – 5/2013

20121112

20121126

20121203

20121217

1/2013 – 6/2013

20121224

20121231

20130107

20130114

20130121

2/2013 – 7/2013

20130128

26

Thời điểm làm dự báo

Các tháng được dự báo

20130204

20130211

20130218

3/2013 – 8/2013

20130225

20130304

20130311

20130318

4/2013 – 9/2013

20130325

20130401

20130408

20130415

5/2013 – 10/2013

20130422

20130429

20130506

20130513

6/2013 – 11/2013

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.

27

2.2. Số liệu và phương pháp x

hương pháp xử lý số liệu

Để đánh giá các y

đánh giá các yếu tố và hiện tượng cực đoan, trong luậ

ận văn sẽ xem xét và

đánh giá dựa trên:

- Bộ số liệu quan tr

u quan trắc trường nhiệt trung bình và tổng lượ

ợng mưa tháng, ngày

thời kỳ 20 năm trong quá kh

u là OBS_Cli). 20 năm trong quá khứ giai đoạn 1981-2000 (kí hiệu là OBS_Cli).

- Bộ số liệu quan tr

năm 2012 và 2013. u quan trắc nhiệt độ, lượng mưa tháng, ngày năm 2012 và 2013.

- Bộ số liệu mô ph

mô phỏng từ mô hình cho trường nhiệt độ

và lượng mưa ngày,

tháng cho thời kỳ 1981

1981-2000 (kí hiệu là Mod_Cli).

- Bộ số liệu dự

ự báo từ mô hình cho nhiệt và mưa ở các trư

các trường hợp làm dự

báo năm 2012 và 2013 (kí hiệu là Mod_FC) báo năm 2012 và 2013 (kí hi

(*) TX90/TX10=67x12

77 trạm Trung bình tháng cho T Tổng tháng cho R

20 năm (1981-2000)

(*) TN90, TN10

67 trạm Trung bình ngày cho T Tổng ngày cho R

OBS/ Model

(*) R99, R95

(a) 77 trạm Trung bình tháng cho T Tổng tháng cho R

2012/2013

(b) 67 trạm Trung bình ngày cho T Tổng ngày cho R

Hình 2.2. Sơ đồ thể hiện phương pháp xử lý số Hình 2.

liệu

Kết quả mô phỏ

ỏng giai đoạn 20 năm 1981-2000 được trích

c trích xuất về 77 điểm

trạm quan trắc (bảng 2.2

ng 2.2) theo trung bình từng ngày và từng

ng tháng với nhiệt độ,

28

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

H

Lat

H

Lat

104.87

Name MUONGTE VANCHAN MOCCHAU PHUHO BACNINH CHILINH TINHGIA HUONGKHE KYANH TUYENHOA ALUOI NAMDONG TAMKY TRAMY BATO LAICHAU SAPA HAGIANG SONLA BACGIANG TUYENQUANG VINHYEN YENBAI SONTAY HOABINH HANOI PHULY HUNGYEN NAMDINH

Lon 329 102.83 22.37 274 104.52 21.58 971 104.68 20.83 54 105.23 21.45 8 106.08 21.18 33 106.38 21.08 4 105.78 19.45 17 105.72 18.18 2 106.28 18.07 27 106.02 17.88 572 107.28 16.22 60 107.72 16.17 20 108.47 15.57 123 108.25 15.33 51 108.73 14.77 103.15 22.07 243 103.82 22.35 1584 116 104.97 22.82 676 103.9 21.33 7 106.22 21.3 40 105.22 21.82 9 105.6 21.32 55 21.7 16 105.5 21.13 22 105.33 20.82 7 105.8 21.03 2 105.92 20.55 2 106.05 20.65 3 106.15 20.39

Reg 1 2 1 2 3 3 4 4 4 4 4 4 5 5 5 1 2 2 1 2 2 3 2 3 3 3 3 3 3

Name Lon NINHBINH 105.97 20.23 HAIDUONG 106.3 20.93 VANLY 106.3 20.12 LANGSON 106.77 21.83 THAINGUYEN 21.6 105.83 NHOQUAN 105.73 20.32 BAICHAY 107.07 20.97 COTO 107.77 20.98 THAIBINH 106.35 20.45 BACHLONGVI 107.72 20.13 THANHHOA 105.78 19.75 105.12 20.37 HOIXUAN TUONGDUONG 104.43 19.28 105.7 18.67 VINH 105.9 18.35 HATINH 107.08 16.85 DONGHA 107.58 16.43 HUE 108.8 15.12 QUANGNGAI 108 14.33 KONTUM 108.02 13.97 PLEIKU 108.65 13.95 ANKHE 109.28 13.08 TUYHOA 108.05 12.67 BMTHUOT NHATRANG 109.2 12.22 DALAT BAOLOC DAKNONG PHUQUY VUNGTAU

1 2 1 263 35 3 37 70 1 56 5 102 96 6 2 7 9 7 537 778 422 10 470 4 108.45 11.95 1508 840 107.82 11.53 631 107.68 12 5 108.93 10.52 4 107.08 10.37

Reg 3 3 3 2 2 3 2 2 3 3 4 4 4 4 4 4 4 5 6 6 6 5 6 5 6 6 6 7 7

29

Lat

H

Lat

H

Name RACHGIA CANTHO CAMAU PHUQUOC TRUONGSA VIETTRI DONGHOI DANANG QUYNHON

Lon 105.07 10 105.77 10.02 105.15 9.18 103.97 10.22 8.65 111.92 21.3 105.42 106.6 17.48 108.2 16.03 109.22 13.77

Reg 7 7 7 7 7 3 4 5 5

0 1 3 4 3 30 6 5 4

Name AYUNPA PHANTHIET CONDAO DIENBIEN YENCHAU BACQUANG TAMDAO BAVI PHULIEN

Lon 108.45 13.38 108.1 10.93 8.68 106.6 103 21.37 104.3 21.05 22.5 104.87 105.65 21.47 105.42 21.15 20.8 106.63

160 9 6 475 314 73 934 30 112

Reg 6 5 7 1 1 2 2 3 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:

30

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:



,



(



x

)



(2.1)

 xXx

p

| XPx m

m





|

1)





,

(2.2)

p

hoặc  xXx

( xXPx M M

với

mx

XPp



(



)



)

)( xf

dx

(2.3)

x m

( xF m



a

0

hoặc

b

0

XPp



(



1)



xF (

)

xf )(

dx

(2.4)

x M

M



x

M

Nghĩa là xác suất xuất hiện sự kiện XxM bằng p.

Phân vị thứ q của biến ngẫu nhiên X là giá trị xq của X thỏa mãn điều kiện:

(2.5)

xq = x[F(x) = q%]

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

31

(hình 2.3b). Trong hình này,

b). Trong hình này, trục hoành thể hiện các tháng đư

n các tháng được dự báo (Target),

trục tung là hạn dự báo (h

báo (hạn từ 1 đến 6 tháng), các ô trên cùng m

n 6 tháng), các ô trên cùng một đường chéo từ

trái sang phải là 6 tháng đư

i là 6 tháng được dự báo bắt đầu từ tháng sau tháng làm d

tháng làm dự báo ứng với

các hạn dự báo.

Hình 2.3. Quy trình thực hiện dự báo

32

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)

(2.6)

ME



)OF(  i

i

N  1i 

1 N

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)

(2.7)

MAE



iOiF 

1 N

N  1i 

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)

2

(2.8)

RMSE



)OF(  i

i

N  1i 

1 N

33

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,+ ∞)

34

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).

35

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

36

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).

37

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

38

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).

39

Bảng 3.1. Bảng giá trị nhiệt độ trung bình bề mặt

Target

2012 2013

1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 Lead time (tháng)

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 1

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 2

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 3 CHC 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 4

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 5

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 6

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 1

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 2

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 3 HC 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 4

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 5

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 6

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 1

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 2

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 3 OBS 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 4

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 5

40

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 6

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

1

2

3

4

5

7

8

9

10

11

12

1

2

3

4

5

6

6

2.82

2.17

2.48

2.85

1.66

1.17

1.92

2.46

4.02

5.01

3.39

2.14

2.88

1.86

2.22

1.12

-99

1.03

Leadtime (tháng)

1

1.94

2.45

2.97

2.23

1.08

1.2

3.92

3.93

4.39

3.09

3.03

2.86

2.1

2.28

1.32

-99

-99

1.33

2

2.67

2.63

1.63

1.13

1.45

3.68

3.23

5.06

2.32

3.52

2.64

2.43

2.57

1.5

-99

-99

-99

2.33

2.85

1.72

1.38

1.33

2.13

4.96

4.66

3.02

2.95

2.32

1.72

3.07

1.64

-99

-99

-99

-99

3.44

3 CHC 4

2.35

1.25

1.57

1.78

2.86

4.17

2.51

2.45

2.32

1.54

2.41

1.96

-99

-99

-99

-99

-99

4.05

1.28

1.51

1.51

3.25

5.2

2.59

3.82

2.93

1.68

2.36

1.74

-99

-99

-99

-99

-99

-99

4.49

5

6

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

1.25

1.37

1.61

1.22

0.42

0.89

2.18

1.52

2.11

1.05

1.89

2.36

0.94

0.92

0.38

-99

-99

0.59

1

2

1.55

1.23

0.56

0.44

0.72

1.92

1.23

2.79

1.18

2.4

2.13

1.3

1.16

0.63

-99

-99

-99

0.93

1.45

0.63

0.64

0.54

0.72

2.55

2.38

1.12

1.75

1.82

0.58

1.67

0.66

-99

-99

-99

-99

1.67

1.35

0.51

0.75

0.42

1.08

1.94

1.54

1.25

1.81

0.41

1

0.93

-99

-99

-99

-99

-99

1.66

3 HC 4

5

0.62

0.75

0.47

1.47

2.79

1.04

2.87

2.62

0.5

0.97

0.84

-99

-99

-99

-99

-99

-99

2.25

41

6

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.

42

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.

43

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.

44

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

45

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

46

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

47

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.

48

Bảng 3.3. Bảng giá trị nhiệt độ Tm trung bình Target

2012 2013

1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 Lead time (tháng)

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 CHC 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

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 HC 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

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 -99 -99 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 OBS 4 -99 -99 -99 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

5 -99 -99 -99 -99 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

49

6 -99 -99 -99 -99 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

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

3 4 6 7 8 11 12 1 2 3 4 5 Lead time (tháng) 1 2 5 9 10 6

3.45 3.48 1.39 1.41 2.46 4.23 3.05 3.32 2.78 2.88 1.8 1 3.92 3.13 2.43 2.73 4.37 -99 5.41

1.72 1.45 4.77 4.37 4.25 3.43 3.1 3.01 2.1 2 3.39 3.53 1.38 3.6 3.1 4.27 4.87 -99 -99

3 3.76 3.63 1.81 2.79 1.55 3.63 3.1 3.93 3.69 5.7 4.96 3.49 3.54 3.16 2.25 -99 -99 -99 CHC 4 3.84 2.92 2.85 1.39 1.73 4.37 3.96 3.7 5.43 3.33 2.95 3.71 2.11 -99 -99 -99 -99 5.53

5 3.12 1.59 3.04 2.11 2.64 3.77 3.16 4.48 4.7 4.13 2.43 3.02 2.57 -99 -99 -99 -99 -99

6 1.92 1.8 2.43 3.67 3.76 2.88 5.02 3.65 5.05 2.94 2.21 -99 -99 -99 -99 -99 -99 5.49

1 2.22 1.92 1.03 1.76 1.71 0.6 1.86 0.47 0.5 0.51 1.77 1.36 2.24 1.06 1.05 0.39 -99 3.12

2 2.22 1.91 0.64 1.85 1.8 1.8 2.56 0.69 1.36 2.69 1.89 2.8 2.33 1.43 1.19 0.61 -99 -99

3 2.15 1.87 0.78 1.39 0.78 1.12 1.17 1.86 1.3 3.38 3.5 2.44 1.89 1.36 0.85 -99 -99 -99 HC 4 2.08 1.54 0.9 0.6 0.69 1.9 2.38 1.61 3.09 2.27 1.26 1.93 0.6 -99 -99 -99 -99 3.11

5 1.77 0.81 0.9 1.07 0.6 2.2 2.03 2.05 2.46 1.76 0.72 1.2 1.17 -99 -99 -99 -99 -99

50

6 1.18 0.86 0.51 1.6 1.18 2.79 1.17 3.68 2.82 1.12 0.83 -99 -99 -99 -99 -99 -99 3.08

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

51

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

52

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.

53

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

54

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.

55

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.

56

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.

57

Bảng 3.5. Bảng giá trị nhiệt độ cực đại trung bình tháng Target

2012

2013

1

2

3

4

5

6

7

8

9

10

11

12

1

2

3

4

5

Lead time (tháng)

1

21.16

24.35

28.01

28.76

30.37

31.06

30.19

27.9

26.38

22.86

19.52

23.91

25.35

27.94

29.57

30.89

18.52

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

CHC

4

29.13

30.75

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

31.33

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

1

22.47

24.82

29.44

30.8

32.05

32.27

31.41

29.67

28.63

26.1

22.69

25.22

25.81

29.37

31.62

32.57

20.81

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

HC

4

31.17

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

32.43

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

1

22.84

26

30.91

32.34

32.22

32.03

32.21

30.04

29.55

27.68

24.52

25.61

28.76

29.8

32.59

32.21

21.53

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

OBS

4

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

32.34

5

32.22

32.03

32.21

30.04

29.55

27.68

24.52

25.61

28.76

29.8

32.59

32.21

-99

-99

-99

-99

21.53

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

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 Target

2012 2013

1 2 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 3 Lead time (tháng)

3.72 2.16 2.06 2.37 2.37 3.32 4.85 3.29 2.33 3.54 2.48 3.2 1.96 -99 1 3.26 2.48 3.1 5.05

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 2 2.76 2.84 3.9

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 3 3.07 3.25 2.15 CHC 2.44 2.41 4.24 4.42 2.69 2.94 2.72 2.75 4.08 2.47 -99 -99 -99 -99 4 3.4 2.27 2.68 5.51

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 5 2.74 2.62 2.67

3.89 5.98 4.49 2.66 3.39 3.08 2.76 3.44 2.59 -99 -99 -99 -99 -99 -99 6 2.42 2.56 1.72

1.72 0.48 0.53 0.87 0.66 0.95 1.63 0.99 0.88 3.02 0.88 1.19 0.58 -99 1 1.37 1.57 1.68 1.86

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 2 0.8 1.5 1.79

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 3 1.58 1.12 0.62 HC 0.76 0.78 1.89 2.09 1.55 1.54 1.88 0.88 1.96 0.88 -99 -99 -99 -99 4 1.25 0.66 1.23 2.23

0.56 1.43 1.56 2.57 0.84 2.19 0.62 1.34 0.96 -99 -99 -99 -99 -99 5 1.17 0.98 0.89 2.25

59

1.56 2.72 2.07 1.49 2.2 2.78 0.78 1.34 0.97 -99 -99 -99 -99 -99 -99 6 0.67 1.05 0.79

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.

60

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.

61

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.

62

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

63

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,

64

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

65

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.

66

Bảng 3.7. Bảng giá trị lượng mưa tháng Target

2012 2013

1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 Lead time (tháng)

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 1

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 2

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 3 CHC 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 4

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 5

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 6

22.82 135.01 174.44 202.17 276.05 316.53 331.98 270.7 246.32 218.63 36.83 108.3 26.47 226 244.29 250.05 0.92 1

85.09 64.44 276.67 257.77 343.22 334.78 391.67 135.23 190.02 24.13 42.02 25.52 176.17 208.89 241.7 -99 9.04 2

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 3 HC 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 4

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 5

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 6

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 1

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 2

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 3 OBS 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 4

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 5

67

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 6

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

1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 Lead time (tháng)

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 1

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 2

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 3 CHC 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 4

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 5

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 6

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 1

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 2

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 3 HC 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 4

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 5

68

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 6

3.2. Dự báo một số hi

hiện tượng cực đoan

Trong mục này s

c này sẽ đánh giá sai số dự báo của số ngày x

ngày xảy ra các hiện tượng

cực đoan, bao gồm:

Số ngày có nhiệ

ệt độ cực tiểu (Tm) nhỏ hơn phân vị 10% (TN10) s

10% (TN10) số ngày có

nhiệt độ cực đại (Tx) l

(Tx) lớn hơn phân vị 90% (TX90), số ngày có lư

ngày có lượng mưa (R) lớn

hơn phân vị 95% (R95) và phân v

áng chính chính hè (6, 7, 8). 95% (R95) và phân vị 99% (R99) cho ba tháng chính chính hè (6, 7, 8).

Số ngày có nhi

ngày có nhiệt độ cực đại (Tx) nhỏ hơn phân vị 10% (TX10) và l

10% (TX10) và lớn hơn

phân vị thứ 90% (TX90) cho ba tháng chín

90% (TX90) cho ba tháng chính đông (12, 1, 2), s

, số ngày có nhiệt độ

cực tiểu nhỏ hơn phân v

hơn phân vị thứ 10% (TN10) và lớn hơn phân vị th

thứ 90% (TN90)

y ra TX10, TX90, TN10, TN90, R95 và R99 cho cả 6 tháng bất y ra TX10, TX90, TN10, TN90, R95 và R99 cho Số ngày xảy ra TX10, TX90, TN10, TN90, R95 và R99 cho

kỳ nằm trong hạn dự báo.

báo. Ví dụ, để dự báo cho 3 tháng chính hè

báo cho 3 tháng chính hè (tháng 6, 7, 8) năm

2012 sẽ sử dụng các d

báo cho 3 tháng chính đông ng các dự báo tại các tháng 2, 3, 4, 5; dự báo cho 3 tháng chính đông

(tháng 12, 1, 2) năm 2012 s

năm 2012 sẽ sử dụng các dự báo tại các tháng 8, 9, 10, 11. Trư

i các tháng 8, 9, 10, 11. Trường

hợp dự báo cho cả 6 tháng s

6 tháng sẽ sử dụng dự báo tại một tháng bấ

ất kỳ và xác định số

ngày có hiện tượng đư

ng được xét trong tất cả các tháng dự báo tính t

báo tính từ tháng hiện tại.

Sai số ME của tổng số ngày ba tháng mùa hè có Tm < TN10 Sai số ME của tổng số ngày ba tháng mùa hè có Tm < TN10 Sai số ME của tổng số ngày ba tháng mùa hè có Tm < TN10

N3

B1

B2

B3

B4

N1

N2

y à g N

80 70 60 50 40 30 20 10 0 -10 -20

I

I

I

I

I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

A A P P A A S S

O T A B

I

O T O C

I

O U L A

I

I

T A L A D

Y L N A V

O N A H

A L N O S

U K I E L P

H N A Y K

Y Y M M A A R R T T

A B N E Y

O H U H P

R T T E I V

I

U A M A C

Y A T N O S

H N I L I H C

C O L O A B

A P N U Y A

I

A O H Y U T

O H T N A C

I

Y A H C A B

N E I L U H P

Y U Q U H P

U A H C A L

N E Y H N V

G N A N A D

O A D N O C

A H G N O D

A G H C A R

I

O O A A D D M M A A T T

M U T N O K

N A U X O H

N E I B N E I D

H N B A O H

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

U A T G N U V

H N D M A N

H N B H N N

T O U H T M B

G N O N K A D

C O U Q U H P

N O H N Y U Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O D M A N

A S G N O U R T

G N O U D A H

T E I H T N A H P

G N A R T A H N

A O H H N A H T

G N A U Q C A B

E H K G N O U H

A G N G N A U Q

N E Y U G N A H T

V G N O L H C A B

G N A U Q N E Y U T

G N O U D G N O U T

DB_201202

DB_201203

DB_201204

DB_201205 DB_201205

Hình 3.18. Sai số trung bình ME c

trung bình ME của tổng số ngày ba tháng mùa hè 2012 có Tm

ngày ba tháng mùa hè 2012 có Tm < TN10 tại

4 thời điểm dự báo

Hình 3.18 biểu di

u diễn sai số trung bình của tổng số ngày có nhi

ngày có nhiệt độ cực tiểu

nhỏ hơn phân vị thứ

10 (TN10) trong ba tháng mùa hè được d

c dự báo từ tháng 2,

69

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.

70

Sai số MAE của tổng số ngày ba tháng mùa hè có Tm < TN10 ứng với 4 thời điểm làm dự báo Sai số MAE của tổng số ngày ba tháng mùa hè có Tm < TN10 ứng với 4 thời điểm làm dự báo Sai số MAE của tổng số ngày ba tháng mùa hè có Tm < TN10 ứng với 4 thời điểm làm dự báo

70

60

50

40

y à g N

30

20

10

0

I

I

I

I

I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

A P A S

O T A B

I

O T O C

I

O U L A

I

I

Y L N A V

T A L A D

A L N O S

O N A H

H N A Y K

U K I E L P

Y M A R T

A B N E Y

O H U H P

R T T E I V

I

U A M A C

Y A T N O S

H H N N I I L L I I H H C C

C O L O A B

I

A P N U Y A

A O H Y U T

O H T N A C

I

N E I L U H P

Y U Q U H P

Y A H C A B

U A H C A L

G N A N A D

O A D N O C

N E Y H N V

A G H C A R

O A D M A T

A H G N O D

I

M U T N O K

N E I B N E I D

H N B A O H

N A U X O H

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

U A T G N U V

H N D M A N

H N B H N N

G N O N K A D

C O U Q U H P

T O U H T M B

N O H N Y U Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O U D A H

G N O D M A N

A S G N O U R T

T E I H T N A H P

G N A R T A H N

E H K G N O U H

A O H H N A H T

G N A U Q C A B

A G N G N A U Q

V G N O L H C A B

N E Y U G N A H T

G N A U Q N E Y U T

G N O U D G N O U T

DB_201202

DB_201203

DB_201204

DB_201205

Hình 3.19. Sai số MAE của tổng s

ng số ngày ba tháng mùa hè 2012 có Tm < TN10 tại 4 thời điểm d

m dự báo khác nhau

71

Sai số ME của tổng số ngày ba tháng mùa hè có Tx > TX90 ứng với Sai số ME của tổng số ngày ba tháng mùa hè có Tx > TX90 ứng với Sai số ME của tổng số ngày ba tháng mùa hè có Tx > TX90 ứng với 4 thời điểm dự báo

50

40

30

20

10

0

y à g n ố S

-10

-20

-30

-40

-50

I

I

I

I

I

I

I

I

I

U K

I

I

I

I

I

E U H

V A B

H N V

I

A P A S

O T A B

I

O T O C

I

O U L A

I

I

Y L N A V

A L N O S

O N A H

H N A Y K

I E L P

Y M A R T

A B N E Y

O H U H P

R T T E I V

I

U A M A C

H N I T A H

Y A T N O S

H N I L I H C

C O L O A B

A O H Y U T

A P N U Y A

I

O H T N A C

Y U Q U H P

I

Y A H C A B

N E I L U H P

U A H C A L

G N A N A D

O A D N O C

N E Y H N V

A G H C A R

O A D M A T

A H G N O D

I I

M U T N O K

N A U X O H

H N B A O H

N E I B N E I D

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

U A T G N U V

H N D M A N

H N B H N N

T O U H T M B

G N O N K A D

C O U Q U H P

N N O O H H N N Y Y U U Q Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O D M A N

A S G N O U R T

G N O U D A H

T E I H T N A H P

G N A R T A H N

A O H H N A H T

G N A U Q C A B

E H K G N O U H

A G N G N A U Q

V G N O L H C A B

N N E E Y Y U U G G N N A A H H T T

G N A U Q N E Y U T

G N O U D G N O U T

DB_201202

DB_201203

DB_201204

DB_201205

Hình 3.20. Sai số ME c

ME của tổng số ngày ba tháng mùa hè 2012 có Tx

2012 có Tx > TX90 tại 4 thời

điểm dự báo.

Hình 3.20 và 3.21 biểu diễn sai số ME và MAE của tổng s Hình 3.20 và 3.21

ng số ngày ba tháng

mùa hè có nhiệt độ cự

ực đại lớn hơn ngưỡng phân vị thứ 90 (TX90), t

90 (TX90), tại 4 thời điểm

làm dự báo. Có thể thấ

ấy rằng, sai số ME có giá trị trong khoảng t

ng từ -40 đến 40 ngày.

Mô hình dự báo có xu hư

báo có xu hướng thiên âm, thiên dương so với quan tr

i quan trắc phụ thuộc vào

khu vực được dự báo và th

báo và thời điểm làm dự báo. Ví dụ, đứng tại tháng 3 làm d

i tháng 3 làm dự báo,

mô hình dự báo có xu hư

có xu hướng thiên dương trên các trạm B1, B2, B3 và thiên âm t

m B1, B2, B3 và thiên âm tại

các trạm B4 và khu vự

ực phía Nam. Đứng tại tháng 2 làm dự báo c

báo cho kết quả thiên

dương trên khu vực B2 và m

c B2 và một số trạm khu vực B3, còn lại là cho d

i là cho dự báo thiên âm

trên các khu vực khác.

c khác. Đứng tại tháng 4 và tháng 5 làm dự báo

báo, hầu như sai số ME

của TX90 có giá trị thiên âm trên toàn qu

thiên âm trên toàn quốc, trừ một vài trạm ở

ở khu vực B2. Sai số

MAE có giá trị phổ bi

biến từ 3 đến 15 ngày. Sai số có sự chênh l

chênh lệch không đáng kể

trên các trạm thuộc khu v

c khu vực miền Trung và phía Nam .

72

Sai số MAE của tổng số ngày ba tháng mùa hè có Tx >TX90 Sai số MAE của tổng số ngày ba tháng mùa hè có Tx >TX90

45

40

35

30

25

20

y à g n ố S

15

10

5

0

I I

I

I

I

I

I

I

I

I

I

I

I

I

I

E U H

V V A A B B

H N V

I

A P A S

O T A B

I

O T O C

I

O U L A

I

I

Y L N A V

A L N O S

O N A H

H N A Y K

U K I E L P

Y M A R T

A B N E Y

O H U H P

R T T E I V

I

H N I T A H

U A M A C

Y A T N O S

H N I L I H C

C O L O A B

I

A P N U Y A

A O H Y U T

O H T N A C

I

N E I L U H P

Y U Q U H P

Y A H C A B

U A H C A L

G N A N A D

O A D N O C

N E Y H N V

A G H C A R

O A D M A T

A H G N O D

I

M U T N O K

N E I B N E I D

H N B A O H

N A U X O H

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

U A T G N U V

H N D M A N

H N B H N N

T O U H T M B

G N O N K A D

C O U Q U H P

N O H N Y U Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O U D A H

G N O D M A N

A S G N O U R T

T E I H T N A H P

G N A R T A H N

A O H H N A H T

E H K G N O U H

G N A U Q C A B

A G N G N A U Q

V G N O L H C A B

N E Y U G N A H T

G N A U Q N E Y U T

G N O U D G N O U T

DB_201202

DB_201203

DB_201204

DB_201205

Hình 3.21. Sai số MAE của tổng s

ng số ngày ba tháng mùa hè 2012 có Tx > TX90 tại 4 thời điểm d

m dự báo khác nhau

73

Sai số ME của tổng số ngày ba tháng mùa hè có R > R95 ứng với 4 Sai số ME của tổng số ngày ba tháng mùa hè có R > R95 ứng với 4 Sai số ME của tổng số ngày ba tháng mùa hè có R > R95 ứng với 4 thời điểm làm dự báo

15

12

9

6

3

0

y à g n ố S

-3

-6

-9

-12

-15

I

I

I

I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

A P A S

O T A B

I

O T O C

I

O U L A

I

I

T A L A D

Y L N A V

A L N O S

O N A H

H N A Y K

Y M A R T

A B N E Y

O H U H P

R T T E I V

I

U A M A C

H N I T A H

Y A T N O S

H N I L I H C

C O L O A B

I

A P N U Y A

A O H Y U T

I

N E I L U H P

Y U Q U H P

Y A H C A B

U A H C A L

N E Y H N V

G N A N A D

A H G N O D

I

O A D M A T

H N B A O H

N A U X O H

N E I B N E I D

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

H N D M A N

H N B H N N

G N O N K A D

C O U Q U H P

N O H N Y U Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O U D A H

G N O D M A N

A S G N O U R T

G G N N A A R R T T A A H H N N

E H K G N O U H

A O H H N A H T

G N A U Q C A B

A G N G N A U Q

N E Y U G N A H T

V G N O L H C A B

G G N N A A U U Q Q N N E E Y Y U U T T

G N O U D G N O U T

DB_201202 DB_201202

DB_201203

DB_201204

DB_201205

Hình 3.22. Sai số ME của t

a tổng số ngày ba tháng mùa hè 2012 có R> R95

R> R95 tại 4 thời

điểm dự báo

Hình 3.22 chỉ ra sai s

ngày ba tháng mùa ra sai số trung bình ME của tổng số ngày ba tháng mùa

hè có lượng mưa ngày lớ

ớn hơn phân vị thứ 95 (R95) ứng với bố

ốn thời điểm

làm dự báo tương tự như v

như với TN10 và TX90. Mô hình dự báo có xu th

báo có xu thế thiên

âm trên khu vực B1, B2, N1 và N3 và

c B1, B2, N1 và N3 và thiên dương trên khu vực B4.

c B4. Giá trị sai

số ME dao động từ -12 đế

ến 12 ngày, phổ biến từ -6 đến 6 ngày.

Hình 3.23 thể hiện sai s

n sai số tuyệt đối trung bình MAE của tổng s

ng số ngày ba

tháng mùa hè có R95. Sai s

Sai số không ổn định tại từng trạm. Giá trị

sai số MAE

nằm trong khoảng 0 đến 12 ngày, ph

n 12 ngày, phổ biến từ 1 đến 6 ngày. Đứng t

ng tại tháng 3

và tháng 4, sai số MAE có giá tr

MAE có giá trị lớn nhất khoảng 12 ngày. Tại các tr

i các trạm phía

Nam, sai số cho tổng số

i các vùng khác ngày ba tháng mùa hè lớn hơn so với các vùng khác

khi đứng ở tháng 2 làm d

tháng 2 làm dự báo và nhỏ hơn khi đứng dự báo ở tháng 3

tháng 3. Nhìn

chung, đứng tại thời điểm g

m gần với thời điểm cần dự báo, sai số MAE nh

MAE nhỏ hơn.

Điều này cho thấy, với hạ

ạn dự báo gần, mô hình nắm bắt được hiện tư

n tượng tốt.

74

Sai số MAE của tổng số ngày ba tháng mùa hè có R > R95 Sai số MAE của tổng số ngày ba tháng mùa hè có R > R95 ứng với 4 thời điểm dự báo

12

10

8

6

y à g n ố S

4

2

0

I

I

I

I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

A P A S

O T A B

I

O T O C

I

O U L A

I

I

T A L A D

Y L N A V

A L N O S

O N A H

H N A Y K

Y M A R T

A B N E Y

O H U H P

R T T E I V

I

H N I T A H

U A M A C

Y A T N O S

H N I L I H C

C O L O A B

A P N U Y A

I

A O H Y U T

I

Y A H C A B

N E I L U H P

Y U Q U H P

U A H C A L

N E Y H N V

G N A N A D

A H G N O D

I

O A D M A T

N E I B N E I D

H N B A O H

N A U X O H

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

H N D M A N

H N B H N N

C O U Q U H P

G N O N K A D

N O H N Y U Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O D M A N

A S G N O U R T

G N O U D A H

G N A R T A H N

A O H H N A H T

G N A U Q C A B

E H K G N O U H

A G N G N A U Q

N E Y U G N A H T

V G N O L H C A B

G G N N A A U U Q Q N N E E Y Y U U T T

G N O U D G N O U T

DB_201202

DB_201203

DB_201204

DB_201205

Hình 3.23. Sai số MA

AE của tổng số ngày ba tháng mùa hè 2012 có R > R95 tại 4 thờ

ời điểm dự báo

75

Sai số ME của tổng số ngày 3 tháng mùa hè có R > R99 ứng với 4 Sai số ME của tổng số ngày 3 tháng mùa hè có R > R99 ứng với 4 Sai số ME của tổng số ngày 3 tháng mùa hè có R > R99 ứng với 4 thời điểm làm dự báo

y à g n ố S

14 12 10 8 6 4 2 0 -2 -4

I

I

I

I

I I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

A P A S

O T A B

I

O T O C

I

O U L A

I

I

Y L N A V

T A L A D

A L N O S

O N A H

H N A Y K

Y M A R T

A B N E Y

O H U H P

R T T E I V

I

U A M A C

H N I T A H

Y A T N O S

H N I L I H C

C O L O A B

I

A P N U Y A

A O H Y U T

O H T N A C

I

N E I L U H P

Y U Q U H P

Y A H C A B

U A H C A L

N E Y H N V

G N A N A D

O A D N O C

A G H C A R

O A D M A T

A H G N O D

I I

M U T N O K

N E I B N E I D

H N B A O H

N A U X O H

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

U A T G N U V

H N D M A N

H N B H N N

T O U H T M B

G N O N K A D

C O U Q U H P

N O H N Y U Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O U D A H

G N O D M A N

A S G N O U R T

T E I H T N A H P

G N A R T A H N

A O H H N A H T

G N A U Q C A B

E H K G N O U H

A A G G N N G G N N A A U U Q Q

V G N O L H C A B

N N E E Y Y U U G G N N A A H H T T

G G N N A A U U Q Q N N E E Y Y U U T T

G N O U D G N O U T

DB_201202

DB_201203

DB_201204

DB_201205

Hình 3.24. Sai số ME c

ME của tổng số ngày ba tháng mùa hè 2012 có R > R9

ngày ba tháng mùa hè 2012 có R > R99 tại 4 thời điểm

dự báo

Hình 3.24 và 3.25 chỉ ra sai số ME và MAE của số ngày có Hình 3.24 và 3.25

ngày có R99 của ba tháng

mùa hè tại 4 thời điểm làm d

m làm dự báo. Có thể thấy, tại cả 4 thời điể

ểm làm dự báo, mô

hình đều có xu hướng d

ng dự báo thiên dương so với quan trắc, trừ m

một số trạm thiên

âm tại khu vực B2 và B3.

c B2 và B3. Sai số ME của R99 có giá trị nằm trong kho

ng khoảng từ -4 đến

13 ngày. Sai số MAE c

MAE của R99 có giá trị trong khoảng 0 đến 13 ngày.

n 13 ngày. Sai số cao

nhất được thấy trên khu v

y trên khu vực B4, phổ biến từ 2 đến 6 ngày. Sai s

Sai số thấp được thấy

trên khu vực B1, B2 và N3, n

c B1, B2 và N3, nằm trong khoảng 0 đến 2 ngày. Đứ

ứng ở tháng 5 dự

báo có sai số lớn hơn khi đ

hơn khi đứng tại các thời điểm khác làm dự báo

báo. Sai số MAE của

R99 thấp trên hầu hết các vùng khi th

t các vùng khi thực hiện dự báo ở tháng 3. Đi

Điều này cho thấy,

với R99, mô hình dự báo kém v

báo kém với các hạn dự báo gần với đích d

i đích dự báo và dự báo tốt

với các hạn dự báo xa đích d

báo xa đích dự báo.

Với việc chỉ ra sai s

ra sai số ME, MAE cho tổng số ngày ba tháng mùa hè x

ngày ba tháng mùa hè xảy ra

hiện tượng cực đoan, đ

c đoan, đã rút ra một số nhận xét như sau: TN10, TX90 đư

n xét như sau: TN10, TX90 được dự báo

tốt ứng với thời điểm làm d

m làm dự báo gần với đích được dự báo. R95 và R99 đư

báo. R95 và R99 được dự

báo tốt với thời điểm làm d

m làm dự báo xa đích dự báo.

76

Sai số MAE của tổng số ngày ba tháng mùa hè có R > R99 ứng với 4 thời điểm làm dự báo Sai số MAE của tổng số ngày ba tháng mùa hè có R > R99 ứng với 4 thời điểm làm dự báo Sai số MAE của tổng số ngày ba tháng mùa hè có R > R99 ứng với 4 thời điểm làm dự báo

14

12

10

8

y à g n ố S

6

4

2

0

I

I

I

I

I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

A P A S

O T A B

I

O T O C

I

O U L A

I

I

T A L A D

Y L N A V

A L N O S

O N A H

H N A Y K

Y M A R T

A B N E Y

O H U H P

R T T E I V

I

H N I T A H

U A M A C

Y A T N O S

H N I L I H C

C O L O A B

A P N U Y A

I

A O H Y U T

O H T N A C

I

Y A H C A B

N E I L U H P

Y U Q U H P

U A H C A L

N E Y H N V

G N A N A D

O A D N O C

A H G N O D

A G H C A R

I

O A D M A T

M U T N O K

N E I B N E I D

H N B A O H

N A U X O H

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

U A T G N U V

H N D M A N

H N B H N N

T O U H T M B

G N O N K A D

C O U Q U H P

N N O O H H N N Y Y U U Q Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O D M A N

A S G N O U R T

G N O U D A H

T E I H T N A H P

G N A R T A H N

A O H H N A H T

G N A U Q C A B

E H K G N O U H

A G N G N A U Q

N E Y U G N A H T

V G N O L H C A B

G N A U Q N E Y U T

G N O U D G N O U T

DB_201202

DB_201203

DB_201204

DB_201205

Hình 3.25. Sai số MAE c

MAE của tổng số ngày ba tháng mùa hè 2012 có R > R99 tại 4 thờ

ời điểm dự báo

77

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.

Sai số ME của tổng số ngày ba tháng mùa đông có Tn < TN10 tại các thời điểm dự báo khác nhau

45

40

35

30

25

20

15

y à g n ố S

10

5

0

-5

-10

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

I

A P A S

O T A B

O T O C

O U L A

I

I

I

O N A H

I

T A L A D

Y L N A V

A L N O S

H N A Y K

Y M A R T

U K E L P

O H U H P

U A M A C

A B N E Y

I

R T T E V

H N I L I H C

I

I

I

Y A T N O S

A P N U Y A

A O H Y U T

C O L O A B

O H T N A C

G N A N A D

Y U Q U H P

O A D M A T

U A H C A L

N E I L U H P

M U T N O K

Y A H C A B

A H G N O D

O A D N O C

N E Y H N V

I

H N B A O H

N A U X O H

A G H C A R

G N A G A H

H N D M A N

H N B A H T

N E B N E D

O H G N O D

H N B H N N

U A H C N E Y

N O S G N A L

U A T G N U V

T O U H T M B

N E Y G N U H

G N O N K A D

N A U Q O H N

N O H N Y U Q

C O U Q U H P

U A H C C O M

G N O D M A N

G N O U D A H

A O H N E Y U T

A O H H N A H T

G N A R T A H N

T E H T N A H P

A S G N O U R T

G N A U Q C A B

E H K G N O U H

A G N G N A U Q

N E Y U G N A H T

V G N O L H C A B

G N A U Q N E Y U T

G N O U D G N O U T

DB_201208

DB_201209

DB_201210

DB_201211

Hình 3.26. Sai số ME của tổng số ngày ba tháng mùa đông 2012 có Tm

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.

78

Sai số MAE của tổng số ngày ba tháng mùa đông có Tm < TN10 tại các thời điểm làm dự báo khác nhau

50

45

40

35

30

25

y à g n ố S

20

15

10

5

0

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

I

A P A S

O T A B

O T O C

O U L A

I

I

I

O N A H

I

T A L A D

Y L N A V

A L N O S

H N A Y K

Y M A R T

U K E L P

O H U H P

U A M A C

A B N E Y

I

R T T E V

I

H N I L I H C

I

I

Y A T N O S

A P N U Y A

A O H Y U T

C O L O A B

O H T N A C

O A D M A T

G N A N A D

Y U Q U H P

U A H C A L

N E I L U H P

M U T N O K

A H G N O D

O A D N O C

Y A H C A B

N E Y H N V

I

N A U X O H

H N B A O H

A G H C A R

G N A G A H

H N D M A N

H N B A H T

N E B N E D

O H G N O D

H N B H N N

U A H C N E Y

N O S G N A L

U A T G N U V

T O U H T M B

N E Y G N U H

G N O N K A D

N A U Q O H N

N O H N Y U Q

C O U Q U H P

U A H C C O M

G N O D M A N

G N O U D A H

A O H N E Y U T

A O H H N A H T

G N A R T A H N

T E H T N A H P

A S G N O U R T

G N A U Q C A B

E H K G N O U H

A G N G N A U Q

N E Y U G N A H T

V G N O L H C A B

G N A U Q N E Y U T

G N O U D G N O U T

DB_201208

DB_201209

DB_201210

DB_201211

Hình 3.27. Sai số MAE của tổng số ngày ba tháng mùa đông 2012 có Tm

79

Sai số ME của tổng số ngày ba tháng mùa đông có Tm > TN90 tại các thời điểm dự báo khác nhau

10

0

-10

-20

-30

y à g n ố S

-40

-50

-60

-70

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

A P A S

I

O T A B

O T O C

O U L A

I

I

I

O N A H

I

T A L A D

Y L N A V

A L N O S

H N A Y K

Y M A R T

U K E L P

O H U H P

U A M A C

A B N E Y

I

R T T E V

I

I

H N I L I H C

Y A T N O S

A P N U Y A

I

A O H Y U T

C O L O A B

O H T N A C

O A D M A T

G N A N A D

Y U Q U H P

U A H C A L

N E I L U H P

M U T N O K

Y A H C A B

A H G N O D

O A D N O C

N E Y H N V

I

H N B A O H

N A U X O H

A G H C A R

G N A G A H

H N D M A N

H N B A H T

N E B N E D

O H G N O D

H N B H N N

U A H C N E Y

N O S G N A L

U A T G N U V

T O U H T M B

N E Y G N U H

G N O N K A D

N A U Q O H N

N O H N Y U Q

C O U Q U H P

U A H C C O M

G N O D M A N

G N O U D A H

A O H N E Y U T

A O H H N A H T

G N A R T A H N

T E H T N A H P

A S G N O U R T

G N A U Q C A B

E H K G N O U H

A G N G N A U Q

N E Y U G N A H T

V G N O L H C A B

G N A U Q N E Y U T

G N O U D G N O U T

DB_201208

DB_201209

DB_201210

DB_201211

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.

80

Sai số MAE của tổng số ngày ba tháng mùa đông có Tm >TN90 tại các thời điểm dự báo khác nhau

70

60

50

40

30

y à g n ố S

20

10

0

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

A P A S

I

O T A B

O T O C

O U L A

I

I

I

I

O N A H

T A L A D

Y L N A V

A L N O S

H N A Y K

Y M A R T

U K E L P

U A M A C

O H U H P

A B N E Y

I

R T T E V

I

I

H N I L I H C

I

Y A T N O S

A P N U Y A

A O H Y U T

C O L O A B

O H T N A C

O A D M A T

G N A N A D

Y U Q U H P

U A H C A L

N E I L U H P

M U T N O K

Y A H C A B

A H G N O D

O A D N O C

N E Y H N V

I

H N B A O H

N A U X O H

A G H C A R

G N A G A H

H N D M A N

H N B A H T

N E B N E D

O H G N O D

H N B H N N

U A H C N E Y

N O S G N A L

U A T G N U V

T O U H T M B

N E Y G N U H

G N O N K A D

N A U Q O H N

N O H N Y U Q

C O U Q U H P

U A H C C O M

G N O D M A N

G N O U D A H

A O H N E Y U T

A O H H N A H T

G N A R T A H N

T E H T N A H P

A S G N O U R T

G N A U Q C A B

E H K G N O U H

A G N G N A U Q

N E Y U G N A H T

V G N O L H C A B

G N A U Q N E Y U T

G N O U D G N O U T

DB_201208

DB_201209

DB_201210

DB_201211

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

Sai số ME của tổng số ngày ba tháng mùa đông có Tx < TX10 tại Sai số ME của tổng số ngày ba tháng mùa đông có Tx < TX10 tại Sai số ME của tổng số ngày ba tháng mùa đông có Tx < TX10 tại các thời điểm dự báo khác nhau

y à g n ố S

25 20 15 10 5 0 -5 -10 -15 -20

I

I

I

I

I

I I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

A P A S

O T A B

I

O T O C

I

O U L A

I

I

Y L N A V

A L N O S

O N A H

H N A Y K

U K I E L P

Y M A R T

A B N E Y

O H U H P

R T T E I V

I

U A M A C

H N I T A H

Y A T N O S

H N I L I H C

C O L O A B

A P N U Y A

I

A O H Y U T

O H T N A C

N E I L U H P

Y U Q U H P

I

Y A H C A B

U A H C A L

N E Y H N V

G N A N A D

O A D N O C

A G H C A R

A H G N O D

O O A A D D M M A A T T

I

M U T N O K

N E I B N E I D

H N B A O H

N A U X O H

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

U A T G N U V

H N D M A N

H N B H N N

T O U H T M B

G N O N K A D

C O U Q U H P

N O H N Y U Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O D M A N

A S G N O U R T

G N O U D A H

T E I H T N A H P

G N A R T A H N

A O H H N A H T

G N A U Q C A B

E H K G N O U H

A A G G N N G G N N A A U U Q Q

V G N O L H C A B

N E Y U G N A H T

G N A U Q N E Y U T

G N O U D G N O U T

DB_201208

DB_201209

DB_201210

DB_201211

Hình 3.30. Sai số ME c

ME của tổng số ngày ba tháng mùa đông 2012 có

2012 có Tx

thời điểm dự báo

Hình 3.30 và 3.31 chỉ ra sai số tổng số ngày ba tháng mùa đông Hình 3.30 và 3.31

ngày ba tháng mùa đông có TX10.

Qua đó thấy rằng, sai s

ng, sai số ME có giá trị âm trên khu vực phía Bắ

ắc với dao động từ 0

đến -15 ngày. Sai số này có giá tr

này có giá trị thiên âm hoặc thiên dương ở

miền Trung và miền

Nam phụ thuộc vào th

c vào thời điểm dự báo. Chẳng hạn, mô hình có xu th

n, mô hình có xu thế thiên dương

khi đứng ở tháng 8 dự

báo, thiên âm khi đứng ở tháng 11 dự báo.

báo.

Sai số MAE củ

ủa mô hình dao động phổ biến từ 1 đến 15

n 15 ngày. Sai số MAE

có giá trị lớn nhưng ổn đ

n định trên khu vực phía Bắc và Bắc Trung b

c Trung bộ. Khu vực Nam

Trung bộ trở vào sai s

vào sai số không ổn định giữa các thời điểm dự báo. Đi

báo. Điều này chứng

tỏ, thời điểm dự báo ảnh hư

báo TX10. nh hưởng không nhiều đến việc dự báo TX10.

82

Sai số MAE của tổng số ngày ba tháng mùa đông có Tx < TX10 Sai số MAE của tổng số ngày ba tháng mùa đông có Tx < TX10 tại các thời điểm dự báo khác nhau tại các thời điểm dự báo khác nhau

24

20

16

12

y à g n ố S

8

4

0

I

I

I

I

I

I

I

I I

I

I

I

I

I

I

E U H

V A B

H N V

I

A P A S

O T A B

I

O T O C

I

O U L A

I

I

Y L N A V

A L N O S

O N A H

U K I E L P

H N A Y K

Y M A R T

A B N E Y

O H U H P

R T T E I V

I

U A M A C

H N I T A H

Y A T N O S

H N I L I H C

C O L O A B

A P N U Y A

I

A O H Y U T

O H T N A C

I

Y A H C A B

N E I L U H P

Y U Q U H P

U A H C A L

N E Y H N V

G N A N A D

O A D N O C

A H G N O D

A G H C A R

I

O A D M A T

M U T N O K

N A U X O H

N E I B N E I D

H N B A O H

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

U A T G N U V

H N D M A N

H N B H N N

T O U H T M B

G N O N K A D

C O U Q U H P

N N O O H H N N Y Y U U Q Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O D M A N

A S G N O U R T

G N O U D A H

T E I H T N A H P

G N A R T A H N

A O H H N A H T

G N A U Q C A B

E H K G N O U H

A G N G N A U Q

N E Y U G N A H T

V V G G N N O O L L H H C C A A B B

G N A U Q N E Y U T

G N O U D G N O U T

DB_201208

DB_201209

DB_201210

DB_201211

Hình 3.31. Sai số MAE c

MAE của tổng số ngày ba tháng mùa đông 2012 có Tx< TX10 tại 4 th

i 4 thời điểm dự báo

83

Sai số ME của tổng số ngày ba tháng mùa đông có Tx > TX90 tại các thời Sai số ME của tổng số ngày ba tháng mùa đông có Tx > TX90 tại các thời Sai số ME của tổng số ngày ba tháng mùa đông có Tx > TX90 tại các thời điểm dự báo khác nhau

60

45

30

15

0

y à g n ố S

-15

-30

-45

-60

I

I

I

I I

I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

A P A S

I

O T A B

I

O T O C

I

O U L A

I

I

Y L N A V

A L N O S

O N A H

H N A Y K

U K I E L P

Y M A R T

A B N E Y

O H U H P

R T T E I V

I

H N I T A H

U A M A C

Y A T N O S

H N I L I H C

C O L O A B

I

A P N U Y A

A O H Y U T

O H T N A C

I

N E I L U H P

Y U Q U H P

Y A H C A B

U A H C A L

G N A N A D

N E Y H N V

O A D N O C

A H G N O D

A G H C A R

I I

O A D M A T

M U T N O K

N E I B N E I D

H N B A O H

N A U X O H

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

U A T G N U V

H N D M A N

H N B H N N

C O U Q U H P

T O U H T M B

G N O N K A D

N O H N Y U Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O U D A H

G N O D M A N

A S G N O U R T

T E I H T N A H P

G N A R T A H N

E H K G N O U H

A O H H N A H T

G N A U Q C A B

A A G G N N G G N N A A U U Q Q

N N E E Y Y U U G G N N A A H H T T

V G N O L H C A B

G N A U Q N E Y U T

G N O U D G N O U T

DB_201208

DB_201209

DB_201210

DB_201211

Hình 3.32. Sai số ME c

2012 có Tx>TX90 tại 4 thời

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 Hình 3.32 và 3.33

ố ngày ba tháng mùa

đông có TX90. Thấy r

y rằng, mô hình dự báo xu hướng thiên âm so v

thiên âm so với quan trắc trên

tất cả các trạm ứng vớ

ới các thời điểm làm dự báo khác nhau, tr

khác nhau, trừ tháng 8, mô hình

dự báo có xu thế thiên dương trên khu v

thiên dương trên khu vực B2, B3.

Giá trị sai số MAE c

MAE của TX90 dao động trong khoảng 1 đ

ng 1 đến 50 ngày. Sai số

MAE nhỏ trên khu vực phía B

c phía Bắc và tăng dần vào phía Nam.

Tóm lại, vào các tháng mùa đông,

ào các tháng mùa đông, TX90 và TN10 có giá tr

10 có giá trị thiên âm trên các

trạm phía Bắc. Khoảng sai s

ng sai số trung bình với TX10 tại các thời đi

i điểm dự báo khoảng

8 ngày và TX90 là kho

TX90 là khoảng 10 ngày. Kết quả dự báo các yếu t

u tố và hiện tượng khí

hậu cực đoan cho tổng s

ng số ngày của ba tháng cho các hiện tượ

ợng không phụ thuộc

báo. vào thời điểm làm dự báo.

84

Sai số MAE của tổng số ngày ba tháng mùa đông có Tx > TX90 Sai số MAE của tổng số ngày ba tháng mùa đông có Tx > TX90 tại các thời điểm dự báo khác nhau

60

50

40

30

y à g n ố S

20

10

0

I

I

I

I

I

I

I

I

I

I

I

I

I

I

E U H

V A B

H N V

I

A P A S

O T A B

I

O T O C

I

O U L A

I

I

Y L N A V

A L N O S

O N A H

H N A Y K

U K I E L P

Y M A R T

A B N E Y

O H U H P

R T T E I V

I

U A M A C

H N I T A H

Y A T N O S

H N I L I H C

C O L O A B

A P N U Y A

I

A O H Y U T

O H T N A C

I

N E I L U H P

Y U Q U H P

Y A H C A B

U A H C A L

N E Y H N V

G N A N A D

O A D N O C

A G H C A R

A H G N O D

O A D M A T

I

M U T N O K

N E I B N E I D

H N B A O H

N A U X O H

G N A G A H

U A H C N E Y

H N B A H T

N O S G N A L

O H G N O D

N E Y G N U H

U A T G N U V

H N D M A N

H N B H N N

T O U H T M B

G N O N K A D

C O U Q U H P

N N O O H H N N Y Y U U Q Q

U A H C C O M

N A U Q O H N

A O H N E Y U T

G N O D M A N

A S G N O U R T

G N O U D A H

T E I H T N A H P

G N A R T A H N

A O H H N A H T

G N A U Q C A B

E H K G N O U H

A G N G N A U Q

V G N O L H C A B

N E Y U G N A H T

G N A U Q N E Y U T

G N O U D G N O U T

DB_201208

DB_201209

DB_201210

DB_201211

Hình 3.33. Sai số MAE c

MAE của tổng số ngày ba tháng mùa đông 2012 có Tx>TX90 tại 4 th

i 4 thời điểm dự báo

85

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.

86

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.

87

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.

88

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.

89

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.

90

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.

91

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

92

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.

93

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.

94

- 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.

95

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

96

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, 873895.

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

97

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

98

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”.

99

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

100