Tải file PDF Tác giả
Đơn vị công tác
1 Trung tâm dự báo Khí tượng thủy văn quốc gia, Tổng cục Khí tượng thủy văn; maivankhiem77@gmail.com; lamhpvn@gmail.com;
nvhuonghanngan@gmail.com; hoangmaik52dubao@gmail.com; tranngocvan281285@gmail.com; ms.hoa2510@gmail.com;
nguyentt607@gmail.com; diep.quanghn@gmail.com
*Tác giả liên hệ: hoangmaik52dubao@gmail.com; Tel.: +84–986093573
Tóm tắt
Bài báo trình bày một số kết quả thử nghiệm dự báo số ngày nắng nóng (SNNN), nắng nóng gay gắt (NNGG) theo mùa 3 tháng tại Việt Nam năm 2022, sử dụng phương pháp phân tích tương quan Canon (CCA), nhằm chuyển hóa thông tin dự báo của các mô hình khí hậu toàn cầu về khu vực quan tâm. Trong nghiên cứu, nhóm tác giả sử dụng 3 nhân tố là: nhiệt độ trung bình, nhiệt độ tối cao và áp cao cận nhiệt mực 500mb theo mùa 3 tháng, thời điểm dự báo 01/2022, miền tính: 80oE–140oW; 5oS–45oN, độ phân giải 1,0×1,0o chiết suất từ các mô hình khí hậu: NASAGEO_SS2S, CCSM_4, CFS2, GFDL_SPEAR, ECMWF. Sau khi, xác định tương quan cao giữa các nhân tố với SNNN và NNGG gắt trên gần 200 điểm trạm, nhóm tác giả thực hiện thử nghiệm dự báo cho các mùa năm 2022. Kết quả cho thấy vào mùa tháng 3–5, hầu hết các mô hình đều mô phỏng SNNN, NNGG có xu hướng xuất hiện thấp hơn trung bình nhiều năm (TBNN), xác suất từ 60–75%. Trong khi các mùa từ tháng 4–6, 5–7, 6–8 và 7–9 SNNN, NNGG cao hơn TBNN; riêng một số nơi ở miền Nam Tây Nguyên và Đông Nam Bộ thấp hơn TBNN. Dự báo áp dụng thử nghiệm tại một số thành phố: Hà Nội, Đà Nẵng và Bình Phước, kết quả được trình bày chi tiết trong phần 3.
Từ khóa
Trích dẫn bài báo
Tài liệu tham khảo
1. Prodhomme, C.; Materia, S.; Ardilouze, C.; White, R.H.; Batté, L.; Guemas, V.; Fragkoulidis, G.; García–Serrano, J. Seasonal prediction of European summer heatwaves. Clim. Dyn. 2021, 01–18. https://doi.org/10.1007/s00382–021–05828–3.2021.05.25.
2. Zhang, W.; Gao, J. et al. Probabilistic Forecast of the Extended Range Heatwave Over Eastern China. Front. Earth Sci. 2022, https://doi.org/10.3389/feart.2021.810579. 2022.01.05.
3. Batté, L.; Ardilouze, C.; Dé qué, M. Forecasting West African heat waves at sub–seasonal and seasonal time scales. CNRM UMR 3589 (Météo–France/CNRS), Toulouse, France.
4. Katsafados, P. Anastasios Papadopoulos, George Varlas, E. Papadopoulou. Seasonal predictability of the 2010 Russian heat wave. Nat. Hazards Earth Syst. Sci. 2014, 14, 1531–1542. doi:10.5194/nhess–14–1531–2014.
5. Ngữ, N.Đ.; Hiệu, N.T. Khí hậu và tài nguyên khí hậu Việt Nam, NXB Nông nghiệp, Hà Nội, 2004.
6. Thắng, N.V. Giáo trình vật lý khí quyển, NXB Tài nguyên Môi trường và Bản đồ Việt Nam, Hà nội, 2015.
7. Đức, T.Q.; Phương, T.L. Sự biến đổi phơn và nắng nóng ở Hà Tĩnh – Miền Trung, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ 2013, 29(2s), 32–99.
8. Thắng, N.V. và cs. Chương 3: Những thay đổi của cực đoan khí hậu và tác động đến môi trường vật lý tự nhiên, thuộc Báo cáo đặc biệt của Việt Nam về quản lý rủi ro thiên tai và các hiện tượng cực đoan nhằm thúc đẩy thích ứng với biến đổi khí hậu, NXB Tài nguyên Môi trường và Bản đồ Việt Nam, Hà Nội, 2013.
9. Mậu, N.Đ. và cs. Đánh giá nguyên nhân gây ra đợt nắng nóng từ ngày 1/6–6/6/2017 ở Bắc Bộ. Tạp chí Khoa học và Biến đổi khí hậu 2017, 2, 1–7.
10. Trung tâm Dự báo Khí tượng thuỷ văn, Tổng Cục Khí tượng thuỷ văn.
11. Đặc điểm Khí tượng thuỷ văn, 2021.
12. Nguồn Trung tâm Dự báo Khí tượng thủy văn – NCHMF.
13. Khiêm, M.V.; Chỉnh, T.H.; Hương, N.T.D. Thử nghiệm dự báo hạn hán tại Việt Nam bằng sản phẩm dự báo của một số mô hình toàn cầu. Tạp chí Khí tượng Thủy văn 2014, 639, 21–25.
14. Repelli, C.A.; Nobre, P. CCA and statistical prediction Statistical prediction of sea–serface temperature over the tropical Atlantic. Int. J. Climatol. 2003, 24, 45–55.
15. https://www.cpc.ncep.noaa.gov/products/CDB/Forecast/figf2.shtml.
16. Zou, K.H.; O’Malley, J.; Mauri, L. Receiver–Operating Characteristic Analysis for Evaluating Diagnostic Tests and Predictive Models. Circulation 2007, 115, 654–657. 17. https://doi.org/10.1161/CIRCULATIONAHA.105.594929.
18. Thông tư quy định kỹ thuật quy trình dự báo khí tượng thủy văn nguy hiểm, 2016.
19. Hubbard, K.G.; You, J. Sensitivity Analysis of Quality Assurance Using the Spatial Regression Approach—A Case Study of the Maximum/Minimum Air Temperature. J. Atmos. Oceanic Technol. 2005, 22, 1520–1530.
20. You, J.; Hubbard, K.G.; Goddard, S. Comparison of methods for spatially estimating station temperatures in a quality control system. Int. J. Climatol. 2008, 8(6), 777–787.
21. Kirtman, Ben P.; Dughong, M.; Infanti, J.M.; Kinter, J.L.; Paolino, D.A.; Zhang, Q.; van den Dool, H.; Saha, S.; Mendez, M.P.; Becker, E.; Peng, P.; Tripp, P.; Huang, J.; DeWitt, D.G.; Tippett, M.K.; Barnston, A.G.; Li, S.; Rosati, A.; Schubert, S.D.; Rienecker, M.; Suarez, M.; Li, Z.E.; Marshak, J.; Lim, Young-Kwon; Tribbia, J.; Pegion, K.; Merryfield, W.J.; Denis, B.; Wood, E.F. The North American Multimodel Ensemble: Phase–1 seasonal–to–interannual prediction; Phase–2 toward developing intraseasonal prediction. Bull. Amer. Meteor. Soc. 2014, 95, 585–601. http://dx.doi.org/10.1175/BAMS-D-12-00050.1.
https://iri.columbia.edu/~awr/wiki/Downscaling/HydroOutlooks/Documents/cpttutorial_june08.html