Mô hình thống kê dự báo mùa một số yếu tố khí hậu khu vực Việt Nam

Trong bối cảnh biến đổi khí hậu, tác động của ấm lên toàn cầu, các điều kiện thời tiết/khí hậu cực đoan ngày càng gia tăng như: số lượng bão giảm đi, nhưng số lượng bão mạnh tăng lên; vị trí hình thành bão có xu hướng dịch ra xa xích đạo; gia tăng các hiện tượng mưa lớn, lũ lụt, nắng nóng, hạn hán. Sự thay đổi phá vỡ tính quy luật này gây nhiều khó khăn hơn đối với công tác dự báo khí hậu. Đến nay, các phương pháp/công nghệ dự báo khí hậu tại Việt Nam cũng đã phát triển kịp với xu thế phát triển chung của thế giới. Một số phương pháp dự báo khí hậu mùa đang sử dụng như: hệ thống mô hình khí hậu động lực: clWRF, RSM và RegCM. Ngoài ra, một số cách tiếp cận khác cũng được sử dụng phổ biến như: khai thác trực tiếp sản phẩm dự báo của các mô hình khí hậu toàn cầu hoặc các phương pháp thống kê truyền thống với nhân tố dự báo là các trường nhiệt độ bề mặt biển. Tuy nhiên, do tính chất phức tạp của bài toán khí hậu như đã đề cập bên trên, cần có những cách giải khác để cung cấp thêm cái nhìn đa chiều về bài toán dự báo.

Trong khi đó, kết quả của các bài báo khoa học trên thế giới đã cung cấp những chứng cớ quan trọng về quan hệ giữa các dao động khí hậu quy mô lớn với biến động của các yếu tố thời tiết/khí hậu tại một khu vực địa lý cụ thể. Chẳng hạn, ENSO (El Niño–Southern Oscillation) là hiện tượng tương tác giữa đại dương và khí quyển có chu kỳ lặp từ 2 – 8 năm, ảnh hưởng nhiều đến khí hậu khu vực nhiệt đới như hoạt động mưa và bão trong biển Thái Bình Dương. MJO (Madden Julian Oscillation) là dao động lan truyền từ tây sang đông ở khu vực nhiệt đới, với chu kỳ 30-90 ngày, được đặc trưng bởi 2 pha (khô và ẩm). Pha ẩm (khô) hoạt động thì sẽ có nhiều (ít) mưa và bão. Điều này ngụ ý rằng, có thể sử dụng các chỉ số dao động khí hậu quy mô lớn như các nhân tố tiềm năng để phục vụ bài toán xây dựng dự báo.

Vì vậy, nghiên cứu hướng tới xây dựng một hệ thống dự báo bằng các phương pháp thống kê, hướng tới sử dụng các dao động khí hậu quy mô lớn là các nhân tố dự báo. Cụ thể, đề tài đã xây dựng được mô hình thống kê gồm 2 thành phần tuyến tính và 10 thành phần phi tuyến, các nhân tố dự báo sử dụng là bộ các chỉ số dao động khí hậu quy mô lớn. Hệ thống các phương án dự báo với 12 thành phần như vậy sẽ có những hỗ trợ cho nhau, giúp cho dự báo viên có thêm nhiều lựa chọn. Ngoài ra, kết quả phân tích từ đề tài cũng tăng cường hiểu biết cho dự báo viên về cơ chế vật lý, những quan hệ có thể giữa một số yếu tố khí hậu khu vực Việt Nam và các dao động quy mô lớn. Cụ thể, biến động của số ngày nắng nóng, ngày bắt đầu mùa bão với các yếu tố quy mô lớn.

Hệ thống dự báo

Số liệu: Số liệu các yếu tố nhiệt độ, lượng mưa, số ngày rét đậm/rét hại (SNRĐ/SNRH), số ngày nắng nóng (SNNN) trên lãnh thổ Việt Nam. Số liệu các chỉ số khí hậu: gồm 21 chỉ số khí hậu, đại diện cho biến động của hoàn lưu chung khí quyển/đại dương quy mô lớn: Các chỉ số Nino, SOI, ONI, DMI,…

Phương pháp: Phương pháp phân tích thành phần chính (PCA), Phương pháp phân tích tương quan Cannon (CCA), Phương pháp k điểm gần nhất (kNN), Phương pháp mạng thần kinh nhân tạo

Cấu trúc mạng, dữ liệu đầu vào, các lớp ẩn, đầu ra, các node (hình tròn).

Hệ thống dự báo

Phương án tuyến tính bao gồm 2 phương án:

• Phân tích thành phần chính kết hợp với hồi quy tuyến tính
• Phân tích tương quan Cannon kết hợp với hồi quy tuyến tính

Phương án phi tuyến gồm 10 phương án: Hồi quy KNN (k – điểm gần nhất) và Mạng thần kinh nhân tạo (NNs): gồm 9 phương án.

Sơ đồ hệ thống dự báo mùa

 Một số kết quả

Nhiệt độ trung bình

 Hệ số tương quan đánh giá kỹ năng dự báo của 12 thành phần dự báo thử nghiệm cho yếu tố nhiệt độ trung bình 3 tháng mùa chính đông (tháng 12-1-2). Hệ số tương quan tính toán trong thời kỳ dự báo phụ thuộc 1981-2015 cho thấy kỹ năng dự báo nhiệt độ tương đối đồng đều trên các phân vùng khí hậu khác nhau, và giữa các thành phần dự báo, hệ số tương quan dao động trên mức 0.5 cho hầu hết các thành phần.

Tổng lượng mưa tháng 6-7-8

Hình dưới đây chỉ ra hệ số tương quan đánh giá kỹ năng dự báo của 12 thành phần dự báo thử nghiệm cho yếu tố lượng mưa mùa 3 tháng (tháng 6-7-8). Hệ số tương quan tính toán trong thời kỳ dự báo phụ thuộc 1981-2015 cho thấy kỹ năng dự báo lượng mưa có xu hướng trội hơn ở một số thành phần, như LM, BR, RP, SCG, CGB, CGF, CGP, OSS. Trong khi kỹ năng dự báo kém hơn ở một số thành phần khác như: BFG, PCR, CCA, KNN. Như vậy, có thể thấy, các thành phần dự báo cùng nhau tồn tại, sẽ giúp bổ sung lẫn nhau, có thể mang lại giá trị nhất định cho bài toán dự báo.

Hệ số tương quan đánh giá cho thời kỳ dự báo 1981-2015 của 12 thành phần dự báo cho nhiệt độ trung bình tháng 12-1-2.

Hệ thống chương trình phân tích và dự báo thống kê kèm theo quy trình dự báo dựa trên các phương pháp thành phần chính (PCR), tương quan Cannon (CCA) và “k” điểm gần nhất (kNN). Ngoài ra, hệ thống cũng bao gồm thêm 9 phương án giải phi tuyến dựa trên mạng thần kinh nhân tạo (NNs). Với tổng thể 12 thành phần dự báo (2 tuyến tính và 10 phi tuyến) có thể cung cấp thông tin đa dạng, giúp dự báo viên có nhiều phương án lựa chọn trong bài toán dự báo mùa.

Trung tâm Dự báo KTTV quốc gia