Dự báo khí hậu hạn mùa là một trong những bài toán dự báo khí hậu với quy mô thời gian tháng, mùa. Trên thế giới, bên cạnh phương pháp thống kê thì phương pháp mô hình động lực dự báo khí hậu đã phát triển rất mạnh, và được đưa vào ứng dụng trong nghiệp vụ ở nhiều nước.

Ở Việt Nam, vì nhiều lí do khác nhau, cho đến nay dự báo khí hậu hạn mùa trong nghiệp vụ vẫn dựa chủ yếu vào phương pháp thống kê, đồng thời nội dung thông tin dự báo khí hậu cũng còn hạn chế do thiếu sản phẩm mô hình động lực. Trong khi đó, yêu cầu của các ngành đối với thống tin dự báo khí hậu ngày càng cao đặc biệt là trong lĩnh vực phòng tránh thiên tai, sản xuất nông nghiệp, công tác quản lý tài nguyên nước. Các công trình nghiên cứu trước đây ở Việt Nam đã chứng minh khả năng ứng dụng các mô hình động lực trong dự báo khí hậu hạn mùa ở Việt Nam. Tuy nhiên, để thực sự triển khai vào công tác dự báo nghiệp vụ đòi hỏi có những nghiên cứu sâu và toàn diện hơn. Chính vì vậy, bài toán xác định, phát hiện và dự báo các hiện tượng cực đoan cũng cần phải được đặt ra trong bối cảnh biến đổi khí hậu ở Việt Nam.

Từ những đánh giá trên, đề tài "Nghiên cứu xây dựng hệ thống nghiệp vụ dự báo khí hậu hạn mùa cho Việt Nam bằng các mô hình động lực" do TS. Mai Văn Khiêm tại Viện khoa học Khí tượng thủy văn và Biến đổi khí hậu thực hiện từ năm 2016 đến năm 2019 nhằm nâng cao năng lực dự báo khí hậu hạn mùa và đưa các mô hình động lực vào dự báo nghiệp vụ, đáp ứng nhu cầu sử dụng thông tin dự báo khí hậu ngày càng cao của các ngành, địa phương trong phát triển kinh tế xã hội, phòng tránh thiên tai.

Sau ba năm thực hiện các nội dung nghiên cứu của Đề tài, một số kết quả khoa học chính mà đề tài đã đạt được như sau:

- Đã thiết lập được hệ thống nghiệp vụ dự báo khí hậu hạn mùa, ứng dụng ba mô hình khí hậu khu vực RSM, RegCM, clWRF, sử dụng điều kiện biên và điều kiện ban đầu từ mô hình toàn cầu CFSv2.

- Đã xây dựng được trường khí hậu mô hình (hay sản phẩm dự báo lại) cho giai đoạn 1983-2010 với hạn dự báo 05 tháng cho cả 3 mô hình RSM, RegCM, clWRF. Đây là một điểm mới của Đề tài, so với những nghiên cứu trước đây tại Việt Nam

- Đã nghiên cứu và lựa chọn được phương pháp hiệu chỉnh xác suất kết hợp Bayesian (BJP) để hiệu chỉnh các sản phẩm dự báo

Bên cạnh những kết quả chính trên, đề tài cũng đã thu thập và chuẩn hóa bộ số liệu phục vụ việc xây dựng hệ thống dự báo khí hậu hạn mùa. Số liệu bao gồm: (1) số liệu quan trắc khí áp, nhiệt độ, lượng mưa, độ ẩm, gió của 140 trạm thời kỳ 1981-2015, (2) Số liệu tái phân tích CFSR, (3) Số liệu dự báo lại CFS và số liệu dự báo CFS từ 2012- nay, (4) Số liệu toàn cầu GloSea5 và (5) Số liệu toàn cầu JMA / MRI-CGCM2.

Với các kết quả này, một số kiến nghị được đưa ra với hướng phát triển sâu và rộng bài toán dự báo khí hậu hạn mùa, như sau:

• Về kết nối với mô hình thủy văn: hệ thống dự báo khí hậu cung cấp biến dị thường lượng mưa, cũng như giá trị dự báo cụ thể của 20 thành phần dự báo, tạo điều kiện cho việc kết nối với các mô hình tính toán thủy văn. Việc kết nối có thể xem xét với mô hình tất định (deterministic model) cũng như mô hình ngẫu nhiên (stochastic model).

• Về đánh giá tính bất định (uncertainty): đặc tính nhiễu động của hệ thống khí hậu là không thể loại bỏ (chaotic nature), cùng với các hạn chế của các hệ thống dự báo khí hậu hiện tại, việc đánh giá tính bất định đóng vai trò quan trọng trong bài toán dự báo khí hậu. Giải quyết tính bất định này giúp các nhà hoạch định chính sách có thể đưa ra quyết định tốt hơn, khi được biết xác suất xảy ra của một hiện tượng cực đoan khí hậu.

• Về bài toán dự báo nội mùa: việc ứng dụng và phát triển hệ thống dự báo nội mùa dựa trên hệ thống dự báo mùa hiện tại cũng là một hướng nghiên cứu đáng quan tâm. Những năm gần đây, các thông tin về dự báo ở quy mô nội mùa đang được chú ý không chỉ trên thế giới mà ngay tại Việt Nam.

• Về mô hình kết hợp khí quyển - đại dương - đất: đặc tính trễ của nhân tố bề mặt, SSTs và độ ẩm đất, là một trong những yếu tố giúp cải thiện chất lượng dự báo hạn mùa của mô hình động lực. Hiện tại, việc ứng dụng mô hình kết hợp khí quyển - đại dương - đất đã được đầu tư nghiên cứu ở Việt Nam. Hệ thống dự báo được xây dựng bởi đề tài này có thể tiếp thu các nghiên cứu về mô hình kết hợp để hoàn thiện hơn.

• Về hướng đến Dịch vụ Khí hậu (Climate Services): khái niệm về Dịch vụ Khí hậu không mới ở Việt Nam. Tuy nhiên, cho đến thời điểm hiện tại, theo kiến thức của nhóm nghiên cứu, chưa có một Dịch vụ Khí hậu nào đáp ứng được những nhu cầu của kinh tế - xã hội Việt Nam (đơn cử như bài toán dự báo cho việc trồng trọt và chăn nuôi, quyết định loại hình cây trồng). Do đó, phát triển hệ thống dự báo hạn mùa hiện tại theo hướng Dịch vụ Khí hậu cũng là một nội dung đáng xem xét. Đương nhiên, việc này đòi hỏi sự hợp tác liên ngành (ví dụ như giữa chuyên gia nông nghiệp, hay sức khỏe và chuyên gia khí tượng khí hậu).

Việc ứng dụng và phát triển các mô hình khí hậu động lực (cả GCMs và RCMs) không phải để chứng minh các mô hình tốt, tái tạo và dự báo được trường quan trắc, mà để hiểu hơn về cơ chế vật lý của các hiện tượng tự nhiên. Kết quả nghiên cứu của đề tài đóng góp vào sự hiểu biết chung về các hiện tượng khí tượng, khí hậu của Việt Nam, ở quy mô tháng và mùa.

Có thể tìm đọc báo cáo kết quả nghiên cứu (mã số 17074/2019) tại Cục Thông tin khoa học và công nghệ quốc gia.

N.P.D (NASATI)