TRƢỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƢỜNG TP.HCM
KHOA KHÍ TƢỢNG THỦY VĂN
NGUYỄN THỊ THANH THẢO
SỬ DỤNG TƢƠNG QUAN TRỄ GIỮA LƢỢNG MƢA
VỚI CÁC CHỈ SỐ ENSO ĐỂ DỰ BÁO LƢỢNG MƢA
HẠN MÙA
ĐỒ ÁN TỐT NGHIỆP KỸ SƢ KHÍ TƢỢNG HỌC
Mã ngành: 52410221
TP. HỒ CHÍ MINH – Tháng 11 Năm 2017
TRƢỜNG ĐẠI HỌC TÀI NGUYÊN VÀ MÔI TRƢỜNG TP.HCM
KHOA KHÍ TƢỢNG THỦY VĂN
ĐỒ ÁN TỐT NGHIỆP
SỬ DỤNG TƢƠNG QUAN TRỄ GIỮA LƢỢNG MƢA
VỚI CÁC CHỈ SỐ ENSO ĐỂ DỰ BÁO LƢỢNG MƢA
HẠN MÙA
Sinh viên thực hiện: Nguyễn Thị Thanh Thảo
MSSV: 0250010035
Khóa: 2013 – 2017
Giảng viên hƣớng dẫn: Th.S Đỗ Thị Thƣờng
TP. HỒ CHÍ MINH – Tháng 11 Năm 2017
TRƢỜNG ĐH TÀI NGUYÊN VÀ MÔI
CỘNG HÒA XÃ HỘI CHỦ NGHĨA
TRƢỜNG
VIỆT NAM
THÀNH PHỐ HỒ CHÍ MINH
Độc lập - Tự do - Hạnh phúc
KHOA KHÍ TƢỢNG THỦY VĂN
Tp. Hồ Chí Minh, ngày 4 tháng 12 năm 2017
NHIỆM VỤ CỦA ĐỒ ÁN TỐT NGHIỆP
Khoa: KHÍ TƢỢNG THỦY VĂN
Bộ môn: KHÍ TƢỢNG
Họ và tên: NGUYỄN THỊ THANH THẢO
Ngành: KHÍ TƢỢNG HỌC
MSSV: 0250010035
Lớp: 02-ĐHKT
1. Tên đồ án: SỬ DỤNG TƢƠNG QUAN TRỄ GIỮA LƢỢNG MƢA VỚI CÁC
CHỈ SỐ ENSO ĐỂ DỰ BÁO LƢỢNG MƢA HẠN MÙA
2. Nhiệm vụ (yêu cầu nội dung và số liệu ban đầu):
+ Thống kê số liệu
+ Tìm tƣơng quan trễ giữa lƣợng mƣa tháng ở các trạm tiêu biểu nhƣ Thừa
Thiên Huế, Tp Đà Nẵng, Trà My và 4 chỉ số ENSO ( SOI, SST, ONI, MEI)
+ Dự báo thử nghiệm và đánh giá kết quả thu đƣợc
3. Ngày giao nhiệm vụ đồ án: 10/07/2017
4. Ngày hoàn thành nhiệm vụ: 06/11/2017
5. Họ và tên ngƣời hƣớng dẫn: Th.S Đỗ Thị Thƣờng
Ngƣời hƣớng dẫn
(Ký và ghi rõ họ tên)
Nội dung và yêu cầu đã đƣợc thông qua bộ môn
Ngày 5 tháng 11 năm 2017
Trƣởng bộ môn
(Ký và ghi rõ họ tên)
LỜI CẢM ƠN
Để hoàn thành đƣợc bài khóa luận này,trƣớc tiên em xin gửi lời cảm ơn chân
thành đến ThS. Đỗ Thị Thƣờng là ngƣời đã tận tình hƣớng dẫn cũng nhƣ định hƣớng
cho bài báo cáo này.
Bên cạnh đó,em cũng xin gửi lời cảm ơn chân thành đến các thầy cô giáo trong
khoa Khí tƣợng - Thủy văn đã tạo điều kiện thuận lợi giảng dạy và truyền đạt cho em
những kiến thức bổ ích trong quá trình học tập tại trƣờng.
Nhân đây, em cũng gửi đến gia đình,bạn bè lời cảm ơn sâu sắc trong thời gian
qua đã luôn ở bên ủng hộ và giúp đỡ em.
Mặc dù đã cố gắng nhiều trong quá trình nghiên cứu và làm bài,tuy nhiên cũng
không tránh đƣợc có sự thiếu sót. Vì vậy,rất mong những ý kiến đóng góp quý báu của
các thầy cô để bài khóa luận của em đƣợc hoàn thiện hơn.
Cuối cùng,em xin chúc các ban lãnh đạo nhà trƣờng,các quý thầy cô trong khoa
Khí Tƣợng - Thủy Văn đƣợc dồi dào sức khỏe,hạnh phúc và thành đạt.
Em xin chân thành cảm ơn.
Tp.Hồ Chí Minh, ngày 4 tháng 12 năm 2017
Sinh viên thực hiện
Nguyễn Thị Thanh Thảo
MỤC LỤC
NHIỆM VỤ CỦA ĐỒ ÁN TỐT NGHIỆP ................................................................... 3
LỜI CẢM ƠN ............................................................................................................. 4
MỤC LỤC ................................................................................................................... 5
DANH MỤC VIẾT TẮT ............................................................................................. 1
DANH MỤC BẢNG ................................................................................................... 2
DANH MỤC HÌNH ..................................................................................................... 3
MỞ ĐẦU ..................................................................................................................... 4
CHƢƠNG 1: TỔNG QUAN VỀ NGHIÊN CỨU ........................................................ 5
1.1 NGHIÊN CỨU VÀ DỰ BÁO NGHIỆP VỤ TRÊN THẾ GIỚI : ....................... 5
1.2 NGHIÊN CỨU VÀ DỰ BÁO NGHIỆP VỤ Ở VIỆT NAM : ............................ 9
CHƢƠNG 2: TÁC ĐỘNG CỦA ENSO TỚI THỜI TIẾT VÀ CÁC CHỈ SỐ ENSO . 13
2.1 KHÁI NIỆM VỀ ENSO :................................................................................. 13
2.2 ẢNH HƢỞNG CỦA ENSO ĐẾN THỜI TIẾT TOÀN CẦU : ......................... 16
2.3 ẢNH HƢỞNG CỦA ENSO ĐẾN THỜI TIẾT VIỆT NAM VÀ KHU VỰC
TRUNG BỘ : ........................................................................................................ 19
2.4
CÁC CHỈ SỐ ENSO :................................................................................... 28
2.4.1
Chỉ số ONI ......................................................................................... 28
2.4.2
Chỉ số SOI .......................................................................................... 28
2.4.3
Chỉ số SST .......................................................................................... 29
2.4.4
Chỉ số MEI ......................................................................................... 29
2.5 KHÁI NIỆM NĂM ENSO: .............................................................................. 29
2.6 CÔNG THỨC HỆ SỐ TƢƠNG QUAN VÀ TƢƠNG QUAN TRỄ ................. 32
CHƢƠNG 3 : KẾT QUẢ DỰ BÁO THỬ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ ..... 34
3.1 TÍNH CÁC HỆ SỐ TƢƠNG QUAN TRỄ : ..................................................... 34
3.1.1 Trạm Đà Nẵng: ......................................................................................... 34
Trong những năm El Nino: ................................................................................ 36
Trong những năm có La Nina: ........................................................................... 38
3.1.2 Trạm Huế: ................................................................................................ 40
Trong những năm El Nino: ................................................................................ 42
Trong những năm có La Nina: ........................................................................... 44
3.1.3 Trạm Trà My: ........................................................................................... 46
Trong những năm El Nino: ................................................................................ 48
Trong những năm có La Nina: ........................................................................... 50
3.2 DỰ BÁO THỬ NGHIỆM LƢỢNG MƢA THÁNG 4,5 VÀ 6 NĂM 2017 ...... 53
3.2.1 Phƣơng pháp dự báo ................................................................................. 53
3.2.2 Dự báo thử nghiệm và đánh giá kết quả .................................................... 54
KẾT LUẬN VÀ KIẾN NGHỊ.................................................................................... 64
TÀI LIỆU THAM KHẢO.......................................................................................... 65
DANH MỤC VIẾT TẮT
CPC: Trung tâm dự báo khí hậu Hoa Kỳ
CFS: Hệ thống dự báo mùa toàn cầu
ĐA: Đông Á
ENSO: Dao động nam
ECMWF: Trung tâm Dự báo thời tiết hạn vừa Châu Âu
GCM: Mô hình khí quyển toàn cầu
GPC: Trung tâm sản phẩm toàn cầu cho dự báo hạn dài
IPCC: Ủy ban Liên chính phủ về Biến đổi khí hậu
ITCZ: Dải hội tụ nhiệt đới
MJO: Dao động nội mùa
MEI: Chỉ số tổng hợp
NCEP:Trung tâm Quốc gia về dự báo môi trƣờng của Hoa Kỳ
NOAA: Cơ quan Đại dƣơng – Khí quyển Hoa Kỳ
OLR: Bức xạ sóng dài
ONI: Chỉ số Nino đại dƣơng
RCM: Mô hình khí hậu khu vực
SOI: Chỉ số Dao động Phƣơng Nam
SST: Nhiệt độ bề mặt biển
SSTA: Nhiệt độ nƣớc biển tầng mặt
TSHĐL: Tham số hoá đối lƣu
TBD: Thái Bình Dƣơng
TBNN: Trung bình nhiều năm
XTNĐ: Xoáy thuận nhiệt đới
WMO: Tổ chức khí tƣợng thế giới
1
DANH MỤC BẢNG
Bảng 2. 1: Tần số XTNĐ trung bình tháng và năm ảnh hƣởng trực tiếp đến Việt Nam
(1956-2000) ............................................................................................................... 24
Bảng 2.2: Chuẩn sai tần số front lạnh qua Hà Nội trong các tháng El Nino và La Nina
.................................................................................................................................. 25
Bảng 2.3: Tỷ lệ giữa tổng số chuẩn sai dƣơng và tổng số chuẩn sai âm của nhiệt độ
trung bình các tháng trong các điều kiện El Nino và La Nina ..................................... 25
Bảng 2.4: Các năm ElNino và La Nina ...................................................................... 31
Bảng 3.1: Giá trị trung bình trƣợt 3 tháng của chỉ số ONI .......................................... 52
Bảng 3.2: Hệ số tƣơng quan tốt nhất tháng 4 trạm Đà Nẵng ....................................... 54
Bảng 3.3: Hệ số tƣơng quan tốt nhất tháng 5 trạm Đà Nẵng ....................................... 54
Bảng 3.3: Hệ số tƣơng quan tốt nhất tháng 6 trạm Đà Nẵng ....................................... 54
Bảng 3.4: Hệ số tƣơng quan tốt nhất tháng 4 trạm Huế .............................................. 57
Bảng 3.5: Hệ số tƣơng quan tốt nhất tháng 5 trạm Huế .............................................. 57
Bảng 3.6: Hệ số tƣơng quan tốt nhất tháng 6 trạm Huế .............................................. 57
Bảng 3.7: Hệ số tƣơng quan tốt nhất tháng 4 trạm Trà My ......................................... 60
Bảng 3.8: Hệ số tƣơng quan tốt nhất tháng 5 trạm Trà My ......................................... 60
Bảng 3.9: Hệ số tƣơng quan tốt nhất tháng 6 trạm Trà My ......................................... 60
Bảng 3.10: Kết quả dự báo thử nghiệm ...................................................................... 61
2
DANH MỤC HÌNH
Hình 2.1: Sơ đồ hoàn lƣu Walker trong điều kiện El Nino ......................................... 15
Hình 2.2: Các vùng NINO ......................................................................................... 30
Hình 2.3:Dao động của chỉ số ONI vùng NINO 3.4 ................................................... 31
Hình 3.1: Tƣơng quan mƣa Đà Nẵng với các chỉ số ENSO ........................................ 31
Hình 3.2: Tƣơng quan mƣa Đà Nẵng với các chỉ số ENSO những năm El Nino ....... 36
Hình 3.3: Tƣơng quan mƣa Đà Nẵng với các chỉ số ENSO những năm La Nina ........ 38
Hình 3.4: Tƣơng quan mƣa Huế với các chỉ số ENSO ............................................... 40
Hình 3.5: Tƣơng quan mƣa Huế với các chỉ số ENSO những năm El Nino ................ 42
Hình 3.6: Tƣơng quan mƣa Huế với các chỉ số ENSO những năm La Nina ............... 44
Hình 3.7: Tƣơng quan mƣa Trà My với các chỉ số ENSO .......................................... 46
Hình 3.8: Tƣơng quan mƣa Trà My với các chỉ số ENSO những năm El Nino........... 48
Hình 3.9: Tƣơng quan mƣa Trà My với các chỉ số ENSO những năm La Nina .......... 50
3
MỞ ĐẦU
Dự báo mƣa,đặc biệt là dự báo mƣa hạn mùa là một trong những dự báo khó
nhất vì mƣa là một biến liên tục theo thời gian và không gian, cho nên dự báo mƣa là
vấn đề nan giải và độ chính xác của dự báo mƣa cho đến bây giờ vẫn rất là kém, không
phải chỉ ở Việt Nam mà hầu hết trung tâm dự báo trên thế giới.
Trong dự báo hạn mùa, dao động ENSO đƣợc dùng nhƣ một công cụ hữu hiệu
trên thế giới cũng nhƣ ở Việt Nam. Trong các đầu vào của các mô hình động lực cũng
nhƣ mô hình thống kê dự báo khí hậu, cũng không thể thiếu các chỉ số của dao động
ENSO. Lý do ENSO là dao động hạn dài, trên phạm vi lớn và những chỉ số ENSO có
tƣơng quan khá chặt chẽ với với các yếu tố khí hậu toàn cầu nhƣ mƣa, nhiệt, ẩm, bão,
gió mùa vv…
Miền Trung nói chung và các nơi nhƣ Thừa Thiên Huế, Tp Đà Nẵng, Trà My
nói riêng đều thuộc khu vực nhiệt đới gió mùa, do đó mùa mƣa ở đây cũng chịu ảnh
hƣởng sâu sắc của chế độ gió mùa và không thể tách rời với tác động của ENSO. Vậy
câu hỏi đặt ra là khả năng dự báo mƣa hạn mùa ở khu vực này dựa vào các chỉ số
ENSO là nhƣ thế nào?
Để trả lời cho câu hỏi này và cùng với mong muốn góp thêm một công cụ làm
dự báo mƣa hạn mùa cho khu vực, đề tài này đi tìm tƣơng quan trễ giữa các chỉ số
ENSO với yếu tố lƣợng mƣa của từng nơi nhƣ Thừa Thiên Huế, Tp Đà Nẵng, Trà My.
Với những nội dung trên đồ án có bố cục gồm 3 chƣơng:
Chƣơng 1: TỔNG QUAN VỀ NGHIÊN CỨU
Chƣơng 2: ENSO VÀ TƢƠNG QUAN GIỮA CÁC CHỈ SỐ ENSO VỚI
LƢỢNG MƢA Ở THỪA THIÊN HUẾ, TP ĐÀ NẴNG, TRÀ MY.
Chƣơng 3: KẾT QUẢ DỰ BÁO THỬ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
4
CHƢƠNG 1: TỔNG QUAN VỀ NGHIÊN CỨU
1.1 NGHIÊN CỨU VÀ DỰ BÁO NGHIỆP VỤ TRÊN THẾ GIỚI :
Trong nghiệp vụ dự báo có 3 lớp bài toán: dự báo thời tiết, dự báo tháng và dự
báo mùa. Đối với dự báo thời tiết, thông thƣờng hạn dự báo khoảng 3–5 ngày (hạn
ngắn – Short range forecast) và tối đa khoảng 5–10 ngày (hạn vừa – Medium range
forecast). Dự báo thời tiết cần phải chỉ ra đƣợc trạng thái của khí quyển tại một địa
điểm cụ thể, vào những thời điểm cụ thể (từng ngày, thậm chí từng giờ) trong thời hạn
dự báo. Khác với dự báo thời tiết, dự báo mùa không chỉ ra trạng thái khí quyển vào
những thời điểm cụ thể đến từng ngày, thay vào đó là thông tin chung về điều kiện khí
quyển trong từng khoảng thời gian nhất định (chẳng hạn từng tháng, từng mùa – ba
tháng) trong thời hạn dự báo. Dự báo mùa, hay dự báo hạn mùa (Seasonal forecast),
hay dự báo khí hậu hạn mùa (Seasonal Climate forecast) có hạn dự báo đến tối đa
(hiện nay) là một năm.
Theo tổ chức khí tƣợng thế giới WMO, với bài toán dự báo thời tiết, dự báo quy
mô lớn hơn 10 ngày trong tƣơng lai đƣợc coi là dự báo hạn dài. Trong dự báo khí hậu,
hạn dự báo đƣợc mở rộng từ hạn 30-45 ngày (dự báo tháng), hoặc vài ba tháng đến 1
năm (hạn mùa), cho đến 2-3 năm (hạn dài). Các thông tin dự báo khí hậu có thể rất
khái quát để mô tả quy mô mùa (seasonal outlook) điều kiện thời tiết thông qua độ
lệch so với giá trị trung bình khí hậu của mùa đó. Khái niệm mùa có thể hiểu theo mùa
thiên văn (xuân, hạ, thu, đông) và cũng có thể có khái niệm khác ở vùng nhiệt đới
(mùa mƣa,mùa khô). Trong thực tế, dự báo hạn mùa (seasonal forecasting) đƣợc xét từ
quy mô tháng cho đến 1 năm (với các hạn phố biến là 1, 3, 6, 9 tháng) nhằm đƣa ra các
ứng dụng có hiệu quả của sản phẩm dự báo.
Dự báo hạn mùa (từ quy mô tháng cho đến quy mô năm) là một bài toán phức
tạp mà sự thành công của các dự báo mùa này phụ thuộc vào mức độ chi tiết hóa về
mối quan hệ tƣơng tác giữa khí quyển và đại dƣơng. Hiện tại, với những hiểu biết về
các quá trình tƣơng tác khí quyển – đại dƣơng,cùng với việc mô phỏng chi tiết hóa
từng khu vực của các mô hình cũng nhƣ việc thu thập số liệu đo đạc quan trắc nâng
cao chất lƣợng số liệu đã tạo ra những tiến bộ trong dự báo hạn mùa. Để hiểu đƣợc cơ
sở vật lý của dự báo hạn mùa,chúng ta cần hiểu các nhân tố tạo ra các đặc trƣng khí
5
hậu của một năm khác biệt so với các năm khác. Vì vậy, chúng ta cũng cần nắm đƣợc
khả năng dự báo của chính các nhân tố này và cụ thể ở quy mô thời gian nào. Trên quy
mô toàn cầu,nguyên nhân quan trọng nhất khiến các đặc trƣng khí hậu thay đổi từ năm
này qua năm khác đó là ảnh hƣởng của hiện tƣợng ENSO. Dự báo hiện tƣợng ENSO,
theo quy mô tháng và năm,đã hỗ trợ tốt hơn cho dự báo hạn mùa ở nhiều nơi trên thế
giới.
Việc dự báo hạn dài chính xác các nhân tố khí hậu (nhiệt độ, lƣợng mƣa, trên
hay dƣới chuẩn...) có những tiềm năng ứng dụng rất lớn, ví dụ những dự báo này có
thể cung cấp thông tin cần thiết cho những quyết định dài hạn và cảnh báo sớm các
thiên tai có thể xảy ra. Một lƣu ý là mức độ tin cậy của bất kỳ dự báo nào cũng phụ
thuộc vào khả năng nắm bắt chính xác đến đâu của chúng khi so sánh với trung bình
khí hậu. Cụ thể là dự báo chỉ đƣợc chấp nhận nếu chúng chính xác hơn và cung cấp
nhiều thông tin hơn so với kinh nghiệm về khí hậu mà vẫn đƣợc sử dụng để đánh giá
và đƣa ra các quyết định trƣớc đây. Có hai cách tiếp cận dự báo hạn mùa là dự báo
bằng phƣơng pháp thống kê và phƣơng pháp mô hình động lực (dự báo sử dụng các
mô hình số trị).
Phƣơng pháp mô hình động lực dự báo mùa nhìn chung chỉ mới bắt đầu từ
khoảng 30 năm trở lại đây. Mô hình động lực sử dụng mô hình hoàn lƣu chung khí
quyển. Hiện nay, ở các nƣớc phát triển phƣơng pháp số là phƣơng pháp dự báo thời
tiết chính thống. Ở Châu Âu, phƣơng pháp này bắt đầu phát triển từ những năm 50 của
thế kỷ XX, trong đó sự đầu tƣ cao nhất cho hƣớng nghiên cứu phát triển này của Liên
minh Châu Âu đƣợc tập trung ở Trung tâm Dự báo thời tiết hạn vừa Châu Âu
(ECMWF). Tuy nhiên, cho đến trƣớc những năm 80 của thế kỷ XX, các nghiên cứu
phát triển về lý thuyết cũng nhƣ ứng dụng chủ yếu vẫn chỉ quan tâm đến các khu vực
ngoại nhiệt đới của Châu Âu và Mỹ. Dự báo thời tiết ở nhiệt đới nói chung và bằng
phƣơng pháp số nói riêng ở thời kỳ này còn nhiều khó khăn do hạn chế về động lực
học lý thuyết cho vùng nhiệt đới-xích đạo. Thời kỳ 1984-1985 ở ECMWF đã có những
cải tiến to lớn trong dự báo nghiệp vụ bằng mô hình toàn cầu cho các vùng nhiệt đới,
đó là, việc đƣa vào mô hình sơ đồ tham số hoá đối lƣu (TSHĐL) nông, biến đổi
TSHĐL sâu, một sơ đồ mây mới và tăng độ phân giải ngang của mô hình. Trên qui mô
6
toàn cầu, nghiên cứu của Tiedtke và cộng sự (1988) [35] đã đánh giá tác động của tổ
hợp vật lý và tăng độ phân giải ngang đối với sai số hệ thống trong dự báo nghiệp vụ ở
nhiệt đới của ECMWF. Việc tăng độ phân giải ngang trong các mô hình dự báo thời
tiết nghiệp vụ (Black, 1994; Rogers và cộng sự, 1998) [22], [32] nhìn chung nâng cao
chất lƣợng dự báo mƣa định lƣợng (QPF). Khi độ phân giải ngang tăng, mô hình có
thể nắm bắt đƣợc chuyển động thẳng đứng tốt hơn dẫn tới làm tăng các cực trị mƣa dự
báo (Weisman và cộng sự, 1997) [37].
Zhang và cộng sự (1994) [39] cũng đã nhận thấy rằng, việc nghiên cứu quan hệ
giữa mƣa qui mô dƣới lƣới và qui mô lƣới có tác động đáng kể đến kết quả mô phỏng
trong trƣờng hợp độ phân giải ngang còn đủ thô để sử dụng sơ đồ TSHĐL. Hong và
Pan (1998) [27] cho thấy vị trí của mƣa qui mô lƣới bị ảnh hƣởng nhiều bởi TSHĐL
hơn là việc thay đổi phƣơng pháp tính mƣa qui mô lƣới. Mặt khác, thời gian kích hoạt
của cả sơ đồ TSHĐL và sơ đồ ẩm hiển có tác động đáng kể đối với mƣa mô phỏng
(Grell, 1993) [26] và có thể thay đổi với các sơ đồ khác nhau.
Một trong những phƣơng pháp đƣợc ứng dụng phổ biến trong nghiên cứu khí
hậu là phƣơng pháp xác suất thống kê. Đây là một công cụ toán học đƣợc áp dụng rất
rộng rãi và có hiệu quả trong nhiều lĩnh vực. "Phƣơng pháp thống kê trong khí hậu"
vận dụng một số nguyên lý của lý thuyết xác suất thống kê toán học, tính toán thông
kê các đặc trƣng khí tƣợng, khí hậu, giải quyết một số bài toán trong nghiên cứu qui
luật, bản chất, đặc tính cũng nhƣ các vấn đề liên quan đến cấu trúc các trƣờng khí
quyển.
Phƣơng pháp thống kê là phƣơng pháp đơn giản nhất để dự báo dị thƣờng 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 tƣơng lai với đặc tính khí hậu hiện tại. Những dị
thƣờng biến đổi chậm và có quy mô lớn của khí hậu (ví dụ nhƣ SST, ONI, SOI, MEI)
có thể tồn tại trong nhiều tháng,và có thể tác động làm thay đổi hình thế hoàn lƣu
chung khí quyển và từ đó sai lệch so với trạng thái trung bình của hoàn lƣu khí hậu địa
phƣơng. Ban đầu hƣớng tiếp cận này không mấy thành công, nhƣng sự tăng cƣờng
hiểu biết về hiện tƣợng ENSO và các hình thế tác động khác giúp cho phƣơng pháp
này đáng tin cậy hơn. Mặc dù phƣơng pháp này không nắm bắt đƣợc những yếu tố đột
7
biến,nhƣng phƣơng pháp này tƣơng đối dễ áp dụng bởi vì hầu nhƣ phụ thuộc vào
thống kê khí hậu và sử dụng tài nguyên máy tính khiêm tốn. Phƣơng pháp thống kê
rất hiệu quả khi sự phát triển quy mô lớn là rõ rệt và theo một hƣớng chung.
Yếu tố dự báo đầu tiên mà các mô hình thống kê kinh nghiệm hƣớng đến là
hiện tƣợng El Nino. Barnston và Ropelewski (1992) [24] là các tác giả đầu tiên đã áp
dụng kỹ thuật phân tích tƣơng quan canon CCA vào dự báo hiện tƣợng El Nino. Yếu
tố dự báo bao gồm giá trị nhiệt độ mặt nƣớc biển SST tại 8 khu vực. Nhân tố dự báo
cũng bao gồm các giá trị SST nhƣng cho mùa hiện tại và sử dụng thêm yếu tố áp suất
mực biển pmsl. Trƣớc khi đƣa vào CCA,cả yếu tố và nhân tố dự báo đều đƣợc thực
hiện phân tích thành phần chính PCA. CCA là một ký thuật thống kê tuyến tính cực
đại hóa tƣơng quan giữa hình mẫu biến đổi của nhân tố dự báo và yếu tố dự báo.
Trong lớp các kỹ thuật tuyến tính,ngoài CCA một số phƣơng pháp cũng khá thông
dụng gồm có phƣơng pháp hồi quy tuyến tính và phƣơng pháp tách giá trị kỳ dị SVD.
Phƣơng pháp sau xác định tập các nhân tố dự báo giải thích đƣợc một cách tối ƣu biến
đổi của yếu tố dự báo.
Sau yếu tố El Nino, các yếu tố khí hậu địa phƣơng nhƣ lƣợng mƣa,nhiệt
độ,..cũng bắt đầu đƣợc quan tâm. Một số các tác giả đã áp dụng CCA vào dự báo mùa
nhƣ dự báo lƣợng mƣa trên các đảo nhiệt đới ở khu vực Thái Bình Dƣơng (He và
Barnston, 1996, [28] ), các yếu tố khí hậu bề mặt ở Alaska (Barnston và He, 1996
[23]) hay nhiệt độ và lƣợng mƣa ở Canada (Shabbar và Barston, 1996 [33]). Các tác
giả này thƣờng sử dụng trƣờng SST của các năm trƣớc đó, đôi khi sử dụng thêm các
trƣờng trong khí quyển làm nhân tố dự báo. Phƣơng pháp hồi quy tuyến tính cũng
đƣợc áp dụng trong một số nghiên cứu nhƣ dự báo lƣợng mƣa tại Nordeste ở Brazil
(Ward và Folland, 1991 [38]), dự báo nhiệt độ bề mặt và lƣợng mƣa ở Mỹ (Unger,
1996 [36]) hay dự báo nhiệt độ mùa hè nƣớc Anh (Colman, 1997 [25]), nhiệt độ và
lƣợng mƣa ở Hàn Quốc (Kim và CS, 2007 [30]). Một số tác giả sử dụng phƣơng pháp
thống kê ít phổ biến hơn cho các hiện tƣợng khí hậu cực đoan nhƣ Mishra và Desai
(2005) [31] sử dụng ARIMA dự báo hạn hán.
8
Trong các nghiên cứu gần đây về dự báo mùa mà chúng ta đã điểm qua, các
khái niệm và lƣu ý cơ bản và một số kết quả ban đầu về dự báo mùa đã đƣợc nêu ra.
Tiếp theo, chúng ta sẽ tìm hiểu một số các nghiên cứu trong nƣớc.
1.2 NGHIÊN CỨU VÀ DỰ BÁO NGHIỆP VỤ Ở VIỆT NAM :
Các thông tin dự báo khí hậu, đặc biệt là dự báo mƣa mùa có ý nghĩa lớn đến
các hoạt động phát triển kinh tế xã hội nhƣ: kế hoạch sản xuất nông nghiệp, du lịch,
đánh bắt và nuôi trồng thủy sản, quản lý, khai thác có hiệu quả nguồn tài nguyên
nƣớc... Mức độ tin cậy về dự báo mƣa mùa thƣờng thấp hơn so với các yếu tố dự báo
khác, nguyên nhân là do sự phân bố theo không gian và sự biến đổi theo thời gian của
lƣợng mƣa phụ thuộc vào nhiều yếu tố khác. Chính vì vậy công tác nghiên cứu dự báo
mƣa mùa tuy không còn mới nhƣng vẫn đang rất đƣợc quan tâm ở nhiều nƣớc trên thế
giới, trong đó có Việt Nam.
Hiện nay ở Việt Nam, các bản tin dự báo hạn mùa đã đáp ứng phần nào nhu cầu
phục vụ phát triển kinh tế xã hội và phòng tránh giảm nhẹ thiên tai, tuy nhiên để giải
quyết bài toán nêu trên, sẽ gặp phải khó khăn về nguồn dữ liệu đầu vào, các kết quả dự
báo mƣa còn mang tính định tính, chƣa đƣa ra định lƣợng và hơn nữa, thời hạn dự báo
là 3 tháng liên tiếp, chƣa thật sự phù hợp với yêu cầu của bài toán nông nghiệp ở vùng
này.
Hiện nay có hai cách tiếp cận để nghiên cứu dự báo mƣa mùa là bằng phƣơng
pháp thống kê và phƣơng pháp mô hình động lực. Nhìn chung, phƣơng pháp thống kê
truyền thống đã đạt đƣợc những kết quả nhất định, nhiều mô hình thống kê có đóng
góp chính trong việc đƣa ra bản tin dự báo tổng lƣợng mƣa mùa. Phƣơng pháp mô
hình động lực là hƣớng nghiên cứu đang rất đƣợc quan tâm phát triển, nó có những ƣu
điểm vƣợt trội về khả năng cung cấp sản phẩm dự báo, tuy nhiên, việc giải mô hình số
rất phức tạp và tốn kém, cần phải có công cụ máy tính cấu hình cao và hơn nữa kết quả
dự báo mƣa cũng chƣa đạt đƣợc độ chính xác nhƣ mong muốn.
Do nhiều nguyên nhân khác nhau, cả khách quan và chủ quan, công tác dự báo
hạn mùa ở Việt Nam hầu nhƣ chƣa có gì đáng ghi nhận. Đầu những năm 2000, bài
toán dự báo khí hậu hạn mùa đầu tiên đƣợc thực hiện trong khuôn khổ đề tài cấp Tổng
cục Khí tƣợng Thủy văn trƣớc đây do Tiến sĩ khoa học Nguyễn Duy Chinh (Viện
9
Khoa học Khí tƣợng Thủy văn và Môi trƣờng) làm chủ nhiệm[8]. Phƣơng pháp chủ
đạo đƣợc sử dụng là các mô hình thống kê truyền thống. Kết quả của đề tài đã đƣợc
đƣa vào nghiệp vụ. Sản phẩm của hệ thống dự báo này là dị thƣờng tổng lƣợng mƣa
mùa và nhiệt độ trung bình mùa (tổng hoặc trung bình từng 3 tháng liên tiếp nhau).
Tiếp theo đó, trong khuôn khổ đề tài nghiên cứu khoa học cấp Bộ Tài nguyên và Môi
trƣờng của TS. Nguyễn Văn Thắng, cũng bằng phƣơng pháp thống kê nhƣng tập các
nhân tố dự báo là bộ số liệu tái phân tích và yếu tố dự báo cũng là dị thƣờng nhiệt độ
và lƣợng mƣa trung bình trƣợt từng ba tháng một, đƣợc gọi là mùa. Kết quả dự báo
của các công trình trên đƣợc biên tập thành “Thông báo khí hậu” ra hàng tháng và
đƣợc cập nhật lên website của Trung tâm Khí tƣợng Thủy văn Quốc gia. Khách quan
mà nói, bản tin vẫn còn khá nghèo nàn, tính ứng dụng chƣa cao, và đặc biệt là chƣa thể
có những thông tin dự báo về các điều kiện khí hậu cực đoan do bản chất “thống kê”
của phƣơng pháp nên dù các mô hình có thể dự báo tốt trạng thái trung bình vẫn khó
có thể nắm bắt đƣợc các sự kiện cực trị.
Đề tài “ Quan hệ giữa ENSO với lƣợng mƣa tháng tại Thành phố Hạ Long
trong dự báo hạn dài” năm 1999, Nguyễn Đức Hậu [32] đã sử dụng số liệu khí tƣợng,
hải văn tại trạm Bãi Cháy đặc trƣng cho Thành phố Hạ long từ năm 1962 – 2000 và số
liệu về thời kỳ hoạt động của hiện tƣợng ENSO và SST của 4 khu vực để xây dựng thử
nghiệm các phƣơng trình dự báo chuẩn sai lƣợng mƣa tháng từ tháng 5 đến tháng 9.
Bài toán dự báo hạn dài trƣớc đây ở Việt Nam chủ yếu theo hƣớng thống kê với
công trình nghiên cứu của Phạm Đức Thi (1987) [37] đã xây dựng một số phƣơng
pháp dự báo nhiệt độ mùa đông và mƣa mùa hè cho khu vực phía bắc Việt Nam. Viện
Khoa học Khí tƣợng Thủy văn và Môi trƣờng đã xây dựng hệ thống dự báo nghiệp vụ
dị thƣờng tổng lƣợng mƣa mùa và nhiệt độ trung bình trên cơ sở phƣơng pháp thống
kê. Dự báo khí hậu 3 tháng cho khu vực Việt Nam bao gồm nhiệt độ, lƣợng mƣa, xoáy
thuận nhiệt đới và không khí lạnh.
1.3 ĐIỀU KIỆN TỰ NHIÊN VÀ ĐẶC ĐIỂM MÙA MƢA KHU VỰC
TRUNG TRUNG BỘ :
Trung Trung Bộ thuộc khu vực cận giáp biển. Địa hình ở đây bao gồm đồng
bằng ven biển và núi thấp, có chiều ngang theo hƣờng Đông - Tây (trung bình 40 –
10
50 km), hạn hẹp hơn so với Bắc Trung Bộ và Tây Nguyên. Có hệ thống sông ngòi
ngắn và dốc, bờ biển sâu với nhiều đoạn khúc khuỷu, thềm lục địa hẹp. Trung Trung
Bộ là vùng thƣờng bị hạn hán kéo dài; thiên tai gây thiệt hại lớn trong sản xuất và đời
sống, đặc biệt trong mùa mƣa bão. Các miền đồng bằng có diện tích không lớn do các
dãy núi phía Tây trải dọc theo hƣớng Nam tiến dần ra sát biển và có hƣớng thu hẹp
dần diện tích lại. Đồng bằng chủ yếu do sông và biển bồi đắp, khi hình thành nên
thƣờng bám sát theo các chân núi.
Địa hình phía Tây từ Hà Tĩnh đến Thừa Thiên - Huế bao gồm các dãy núi cao.
Các dòng sông ở đây có dòng chảy theo hƣớng Tây Bắc - Đông Nam đổ ra biển
thƣờng có lòng sông hẹp, độ dốc lớn, diện tích lƣu vực nhỏ nên với lƣợng mƣa tƣơng
đối lớn trút xuống sẽ sinh ra lũ, lên nhanh và gây lụt lội cho các khu vực đồng bằng
thấp phía Đông. Ví dụ nhƣ Sông Hƣơng - sông Bồ, có độ cao đầu nguồn là 1.318m,
dài trên 100 km và diện tích lƣu vực 2.690 km2, chảy gần theo hƣớng Bắc Nam đổ ra
biển ở cửa Thuận An. Vì toàn bộ diện tích lƣu vực sông Hƣơng có trên 80% là đồi núi,
khu vực đồng bằng còn lại đa phần ở mức thấp hơn so với mực nƣớc biển, nên hầu hết
sẽ bị ngập khi có lũ trên báo động cấp 3 (tƣơng ứng 3,5m).
Với lƣợng mƣa chiếm 68 - 75% lƣợng mƣa trong năm, sẽ phát sinh lũ lụt lớn và
gây thiệt hại sản xuất, tài sản, tính mạng cƣ dân, tác động tiêu cực đến môi trƣờng sinh
thái. Ngƣợc lại, trong mùa ít mƣa thì nƣớc lại không đủ cung cấp cho sinh hoạt và sản
xuất của một số địa phƣơng trong vùng.
Mùa mƣa lũ ở Bắc Trung Bộ thƣờng xảy ra từ tháng 7 đến tháng 10,ở vùng
Duyên hải Nam Trung Bộ thƣờng xảy ra từ tháng 10 đến tháng 12. Những trận lũ lớn
đã xảy ra ở miền Trung vào các năm:1952, 1964, 1980, 1983, 1990, 1996, 1998, 1999,
2001, 2003,... Có lúc xảy ra lũ chồng lên lũ nhƣ các đợt lũ tháng 11, 12 năm 1999;
tháng 10, 11 năm 2010.
Thừa Thiên - Huế là một trong các tỉnh có lƣợng mƣa nhiều nhất ở Việt Nam
với lƣợng mƣa trung bình năm vƣợt trên 2.600mm, có nơi lên đến 4.000mm. Có các
trung tâm mƣa lớn nhƣ khu vực Tây A Lƣới - Động Ngại (độ cao 1.774m) có lƣợng
mƣa trung bình năm từ 3.400 - 5.000mm, khu vực Nam Đông - Bạch Mã - Phú Lộc có
11
lƣợng mƣa trung bình năm từ 3.400 - 5.000 mm. Đồng bằng duyên hải Thừa Thiên Huế có lƣợng mƣa ít nhất, nhƣng trung bình năm cũng từ 2.700 - 2.900 mm.
Hàng năm có từ 200-220 ngày mƣa ở các vùng núi, 150-700 ngày mƣa ở khu
vực đồng bằng duyên hải. Vào mùa mƣa, mỗi tháng có 16-24 ngày mƣa. Những đợt
mƣa kéo dài nhiều ngày trên diện rộng thƣờng gây ra lũ lụt lớn.
12
CHƢƠNG 2: TÁC ĐỘNG CỦA ENSO TỚI THỜI TIẾT VÀ
CÁC CHỈ SỐ ENSO
2.1 KHÁI NIỆM VỀ ENSO :
ENSO là chữ viết tắt của các từ ghép El Nino Southern Oscillation (El Nino Dao động Nam) để chỉ cả 2 hai hiện tƣợng El Nino và La Nina và có liên quan với dao
động của khí áp giữa 2 bờ phía Đông Thái Bình Dƣơng với phía Tây Thái Bình Dƣơng
- Đông Ấn Độ Dƣơng (Đƣợc gọi là Dao động Nam) để phân biệt với dao động khí áp
ở Bắc Đại Tây Dƣơng).
“El Nino” là từ đƣợc dùng để chỉ hiện tƣợng nóng lên dị thƣờng của lớp nƣớc
biển bề mặt ở khu vực xích đạo trung tâm và Đông Thái Bình Dƣơng, kéo dài 8 - 12
tháng, hoặc lâu hơn, thƣờng xuất hiện 3 - 4 năm 1 lần, song cũng có khi dày hơn hoặc
thƣa hơn.
“La Nina” là hiện tƣợng lớp nƣớc biển bề mặt ở khu vực nói trên lạnh đi dị
thƣờng, xảy ra với chu kỳ tƣơng tự hoặc thƣa hơn El Nino.
Hiện tƣợng El Nino và La Nina có ảnh hƣởng đến thời tiết, khí hậu toàn cầu với
mức độ khác nhau và rất đa dạng. Tuy nhiên, đối với từng khu vực cụ thể, vẫn có thể
xác định đƣợc những ảnh hƣởng chủ yếu có tính đặc trƣng của mỗi hiện tƣợng nói
trên.
Hiện tƣợng El Nino xuất hiện thƣờng gắn liền với sự đột biến của nhiệt độ nƣớc
biển thƣờng bắt đầu từ khu vực ven bờ phía đông TBD rồi lan truyền sang phía tây,
song cũng có trƣờng hợp quá trình bắt đầu từ khu vực trung tâm TBD rồi sau đó phát
triển dần sang phía đông mà điển hình là sự kiện El Nino 1982-1983 1986-1987 và
nhất là 1997-1998.
Thông thƣờng hiện tƣợng El Nino kéo dài từ 12 đến 18 tháng. Theo các tính
toán của các nhà khoa học cho thấy El Nino là hiện tƣợng tự nhiên tựa chu kỳ. Các El
Nino yếu xuất hiện 2 đến 3 năm một lần cn các El Nino mạnh có thể
xảy ra trong ṿng 8 đến 11 năm. Tuy nhiên trong những năm gần đây hiện tƣợng
này đă xảy ra thƣờng xuyên hơn khoảng 4 đến 5 năm 1 lần. Thông thƣờng thì chu kỳ
13
điển hình của ENSO phát triển mạnh nhất vào mùa hè rồi sau đó suy yếu dần vào cuối
mùa thu và tan ră vào mùa xuân.
Hiện tƣơng El Nino và La Nina thể hiện sự biến động dị thƣờng trong hệ thống
khí quyển - đại dƣơng với quy mô thời gian giữa các năm, có tính chu kỳ hoặc chuẩn
chu kỳ. Trong tình hình biến đổi khí hậu - sự nóng lên toàn cầu, hiện tƣợng ENSO
cũng có những biểu hiện dị thƣờng về cƣờng độ. Nghiên cứu hiện tƣợng ENSO để
hiểu biết về cơ chế vật lý, đặc điểm và quy luật diễn biến cũng nhƣ những hậu quả tác
động của chúng, chúng ta có thể cảnh báo trƣớc sự xuất hiện của ENSO, những ảnh
hƣởng có thể xảy ra đối với thời tiết, khí hậu và kinh tế - xã hội để có những biện pháp
phòng, tránh hiệu quả, hạn chế và giảm nhẹ thiệt hại do ENSO gây ra.
+ Cơ chế hoạt động của ENSO
Dƣới áp lực của gió Đông tầng thấp, mặt biển khu vực xích đạo Thái Bình
Dƣơng nghiêng về phía Đông (mực nƣớc biển ở bờ phía Tây Thái Bình Dƣơng cao
hơn ở bờ phía Đông khoảng 30 - 70cm). Khi hoàn lƣu Walker suy yếu hoặc bị tách
thành 2 phần, áp lực của gió Đông lên mặt biển giảm đi, kéo theo sự suy yếu của nƣớc
trồi và dòng chảy hƣớng Tây, nƣớc biển từ vùng bể nóng Tây Thái Bình Dƣơng nhanh
chóng đổ dồn về phía Đông, tạo thành một sóng đại dƣơng xích đạo (sóng Kelvin) lan
truyền về phía Đông và nhiệt từ vùng bể nóng đƣợc vận chuyển về vùng trung tâm và
Đông Thái Bình Dƣơng, làm cho nƣớc biển bề mặt ở vùng này nóng lên dị thƣờng.
Kết quả là chênh lệch nhiệt độ nƣớc biển giữa vùng phía Đông và phía Tây giảm đi, độ
sâu của nêm nhiệt ở bờ phía Tây giảm đi, trong khi ở bờ phía Đông tăng lên, trao đổi
nhiệt thẳng đứng trong lớp nƣớc xáo trộn đại dƣơng mạnh mẽ hơn.
14
- Xem thêm -