16.09.2015 Views

BÁO CÁO TỔNG HỢP

tại dây - Việt Nam

tại dây - Việt Nam

SHOW MORE
SHOW LESS
  • No tags were found...

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

và hiện tượng khí hậu cực đoan ở Việt Nam. Vấn đề còn lại là xác định tập các nhân tố<br />

dự báo và loại mô hình thống kê sẽ được xây dựng và ứng dụng.<br />

Việc xác định tập các nhân tố dự báo sẽ phụ thuộc vào phương pháp tiếp cận.<br />

Hiện nay trong dự báo khí hậu có thể có các cách tiếp cận sau đây:<br />

1) Phương pháp thống kê kinh điển: Trên cơ sở mối quan hệ thống kê giữa yếu tố<br />

dự báo và nhân tố dự báo được xây dựng dựa trên các tập số liệu quan trắc trong quá<br />

khứ, giả thiết rằng mối quan hệ đó vẫn đúng cho hiện tại và tương lai, từ những thông<br />

tin ban đầu của các nhân tố dự báo đã quan trắc được để xác định yếu tố dự báo cho<br />

tương lai. Trong trường hợp này nhất thiết phải có sự lệch pha về thời gian phù hợp<br />

với hạn dự báo giữa yếu tố dự báo và nhân tố dự báo.<br />

2) Thống kê sau mô hình (MOS): Dựa trên mối quan hệ thống kê giữa sản phẩm<br />

dự báo lại (hindcast) của các mô hình động lực (thường là các RCM) và số liệu quan<br />

trắc của yếu tố dự báo, xem sản phẩm dự báo của mô hình động lực như là các nhân tố<br />

dự báo để xác định yếu tố dự báo.<br />

3) Hạ thấp qui mô thống kê (Statistical Downscaling): Trong trường hợp này<br />

người ta muốn nhận được những sản phẩm dự báo chi tiết cho một khu vực nhỏ hoặc<br />

địa phương khi đã có sản phẩm dự báo từ một GCM nào đó. Một trong những phương<br />

pháp thực hiện đơn giản và thực tế là xây dựng mối quan hệ thống kê giữa số liệu quan<br />

trắc của yếu tố dự báo và các trường tái phân tích, coi dự báo của GCM là hoàn hảo và<br />

sử dụng chúng như là nhân tố dự báo để xác định yếu tố dự báo cho tương lai.<br />

Căn cứ vào tình hình thực tiễn của Việt Nam, trong đề tài này phương pháp tiếp<br />

cận hạ thấp qui mô thống kê đã được lựa chọn và bốn loại mô hình thống kê đã được<br />

áp dụng là 1) Hồi qui tuyến tính (REG); 2) Mạng thần kinh nhân tạo (ANN); 3) Phân<br />

tích phân biệt (FDA); và 4) Ước lượng hồi qui xác suất sự kiện (REEP). Để đảm bảo<br />

tính liên tục trong trình bày, nội dung cụ thể của từng phương pháp này sẽ được mô tả<br />

trong chương 6.<br />

2.6 Phương pháp mô phỏng và dự tính ECE bằng các RCM<br />

Về nguyên tắc quá trình mô phỏng và dự tính ECE bằng các RCM được thực<br />

hiện tương tự nhau, chỉ khác nhau về số liệu đầu vào (điều kiện biên), và bao gồm hai<br />

giai đoạn: 1) Chạy (tích phân) các RCM ứng với số liệu đầu vào thích hợp để nhận<br />

được các trường khí hậu khu vực; và 2) Xác định các ECE từ các trường sản phẩm của<br />

RCM theo các bộ tiêu chí đã được xây dựng. Trong bảng 2.3 liệt kê danh sách các mô<br />

hình và các trường hợp chạy mô phỏng và dự tính đã được thực hiện bởi đề tài. Mô tả<br />

chi tiết về các mô hình sẽ được trình bày trong chương 3.<br />

Có thể nhận thấy, không kể những trường hợp thử nghiệm độ nhạy của các mô<br />

hình đối với kích thước, vị trí miền tính, độ phân giải và các sơ đồ tham số hóa vật lí,<br />

thời gian tích phân cho mỗi mô hình là trên 80 năm, kể cả giai đoạn khởi động mô<br />

hình (spin-up).<br />

Do các hiện tượng khí hậu cực đoan (KHCĐ) thường không được quan trắc trực<br />

tiếp mà phải xác định từ số liệu quan trắc tại trạm nên việc xác định chúng từ sản<br />

phẩm RCM nói chung phức tạp hơn. Trong quá trình nghiên cứu của đề tài, nhận thấy<br />

rằng ngoài những khái niệm về yếu tố và hiện tượng KHCĐ thường được sử dụng ở<br />

Việt Nam, để có thể so sánh giữa các vùng khác nhau trên thế giới IPCC (2007) [163]<br />

còn sử dụng một số đại lượng khác, gọi là các chỉ số KHCĐ. Bởi vậy, đề tài đã tiến<br />

72

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!