Luận án tiến sĩ: Mô phỏng khí tượng mùa Việt Nam bằng phương pháp thủy động & thống kê

Tài liệu: Luận án tiến sĩ nghiên cứu khả năng mô phỏng mùa các yếu tố khí tượng trên lãnh thổ việt nam bằng phương pháp thủy động và thống kê. Tải miễn phí tại

Chuyên ngành

Khí tượng học

Tác giả

Luan An

Thể loại

Luận án

Năm xuất bản

Số trang

163

Thời gian đọc

25 phút

Lượt xem

0

Lượt tải

0

Phí lưu trữ

50 Point

Tóm tắt nội dung

I. Nghiên cứu mô phỏng khí tượng khu vực Việt Nam

Việt Nam phải đối mặt với ảnh hưởng lớn từ khí hậu nhiệt đới gió mùa. Các hiện tượng khí tượng cực đoan gây ra nhiều thiệt hại nghiêm trọng. Nhu cầu dự báo khí hậu khu vực, đặc biệt là dự báo thời tiết theo mùa, trở nên cấp thiết. Mô hình khí hậu toàn cầu (GCM) thường có độ phân giải thô, không thể nắm bắt chi tiết địa hình phức tạp của Việt Nam. Điều này hạn chế khả năng mô phỏng khí tượng chính xác. Dự báo chính xác các yếu tố khí tượng như nhiệt độ, lượng mưa, và gió mùa là rất quan trọng. Nó hỗ trợ quy hoạch phát triển bền vững và quản lý rủi ro thiên tai hiệu quả hơn. Các mô hình khí hậu khu vực (RCM) ra đời để khắc phục hạn chế này. Chúng cung cấp thông tin chi tiết hơn, cải thiện khả năng phân tích tần suất các sự kiện khí hậu.

1.1. Nhu cầu dự báo khí hậu khu vực Việt Nam

Khí hậu Việt Nam chịu tác động mạnh mẽ của gió mùa và địa hình phức tạp. Điều này dẫn đến sự đa dạng và biến động lớn của các yếu tố khí tượng. Dự báo mùa mưa, mùa khô và các hiện tượng cực đoan là ưu tiên hàng đầu. GCM không đủ khả năng cung cấp chi tiết cần thiết ở quy mô địa phương. Cần có các công cụ mô phỏng khí tượng tiên tiến hơn. Điều này giúp hỗ trợ các ngành kinh tế trọng yếu như nông nghiệp và thủy lợi. Nhu cầu về thông tin dự báo khí hậu chính xác, độ phân giải cao ngày càng tăng.

1.2. Tổng quan nghiên cứu mô hình khí hậu RCM

Mô hình khí hậu khu vực (RCM) được phát triển để tăng cường độ phân giải. RCM sử dụng điều kiện biên từ GCM, cho phép mô phỏng chi tiết các quá trình vật lý. Nhiều RCM đã được ứng dụng trên thế giới, sử dụng phương pháp thủy động học. Chúng mô phỏng các thành phần khí quyển phức tạp. RCM đóng vai trò quan trọng trong nghiên cứu biến đổi khí hậu. Ứng dụng RCM giúp dự báo thời tiết theo mùa và phân tích tần suất. Nó cung cấp cơ sở khoa học cho các quyết định ứng phó biến đổi khí hậu.

1.3. Tình hình ứng dụng mô phỏng khí tượng trong nước

Nghiên cứu mô phỏng khí tượng tại Việt Nam đang có những bước tiến đáng kể. Các nhà khoa học đã ứng dụng nhiều mô hình toán học khác nhau. Trọng tâm là hiệu chỉnh thống kê sản phẩm mô hình số (MOS) và mạng thần kinh nhân tạo (ANN). Mục tiêu là nâng cao độ chính xác dự báo khí hậu Việt Nam. Việc kết hợp thủy động học và thống kê khí tượng là hướng đi hiệu quả. Nó giúp cải thiện dự báo mùa mưa và mùa khô, cung cấp cơ sở khoa học cho công tác dự báo quốc gia. Nghiên cứu mở rộng khả năng ứng dụng mô hình vào thực tiễn.

II. Phương pháp mô phỏng thủy động và thống kê khí hậu

Luận án tập trung vào việc nghiên cứu khả năng mô phỏng các yếu tố khí tượng trên lãnh thổ Việt Nam. Phương pháp chính bao gồm thủy động học và thống kê khí tượng. Mô hình khí hậu khu vực RegCM3 được lựa chọn. Đây là một mô hình toán học mạnh mẽ, dựa trên các nguyên lý vật lý cơ bản. RegCM3 có khả năng tái tạo các quá trình khí quyển phức tạp. Nó tính đến tác động của địa hình. Bên cạnh đó, các phương pháp thống kê như MOS và mạng thần kinh nhân tạo (ANN) được sử dụng. Chúng hiệu chỉnh sai số của sản phẩm mô hình. Sự kết hợp này nhằm nâng cao độ chính xác của dự báo khí hậu. Đặc biệt là đối với nhiệt độ, lượng mưa và các đặc trưng gió mùa.

2.1. Mô hình khí hậu khu vực RegCM3 và động lực học

Mô hình RegCM3 là công cụ chính của nghiên cứu. RegCM3 là mô hình thủy động học, phát triển bởi ICTP. Nó dựa trên các phương trình bảo toàn năng lượng, khối lượng và động lượng. Động lực học của RegCM3 cho phép mô phỏng chính xác hoàn lưu khí quyển. Nó đặc biệt quan trọng để tái tạo các luồng gió mùa ảnh hưởng đến Việt Nam. Mô hình này giúp hiểu rõ hơn về các yếu tố khí tượng ở quy mô khu vực. Nó là nền tảng vững chắc để thực hiện mô phỏng khí tượng dài hạn.

2.2. Các thành phần vật lý và tham số hóa đối lưu

RegCM3 tích hợp nhiều sơ đồ tham số hóa vật lý. Các sơ đồ này mô tả quá trình đối lưu, bức xạ, và lớp biên hành tinh. Việc lựa chọn sơ đồ đối lưu tối ưu có vai trò quyết định. Nó ảnh hưởng trực tiếp đến kết quả mô phỏng lượng mưa. Luận án đã thử nghiệm và tối ưu các tham số hóa này. Mục tiêu là cải thiện độ chính xác của mô phỏng khí tượng. Sơ đồ đối lưu của Grell-AS và Tiedtke được xem xét. Tương tác giữa khí quyển và bề mặt đất cũng được tính toán. Điều này giúp mô hình thể hiện đúng chu trình thủy văn, đặc biệt quan trọng cho mùa mưa.

2.3. Phương pháp hiệu chỉnh thống kê sản phẩm MOS ANN

Sản phẩm từ mô hình số thường chứa sai số hệ thống. Phương pháp thống kê sản phẩm mô hình số (MOS) được áp dụng. MOS giúp hiệu chỉnh các sai số này dựa trên dữ liệu quan trắc. Mạng thần kinh nhân tạo (ANN) là một công cụ mạnh mẽ. ANN có khả năng học các mối quan hệ phi tuyến tính. Nó được sử dụng để hiệu chỉnh nhiệt độ và lượng mưa. Phương pháp này dựa trên dữ liệu quan trắc thực tế. Hiệu chỉnh thống kê khí tượng nâng cao độ tin cậy của dự báo. Đây là bước quan trọng để chuyển đổi dữ liệu mô hình thành thông tin hữu ích cho dự báo thời tiết và khí hậu.

III. Kết quả mô phỏng mùa khí tượng bằng mô hình RegCM3

Mô hình RegCM3 được triển khai và chạy trên khu vực Đông Nam Á, bao gồm lãnh thổ Việt Nam. Mục tiêu là mô phỏng các yếu tố khí tượng chính trong thập kỷ cuối thế kỷ XX. Các yếu tố như hoàn lưu, nhiệt độ, độ ẩm và đặc biệt là lượng mưa được phân tích kỹ lưỡng. Kết quả ban đầu cho thấy RegCM3 có khả năng tái tạo xu hướng chung của khí hậu. Nó thể hiện được sự phân bố đặc trưng của mùa mưa và mùa khô. Đồng thời, mô hình cũng nắm bắt được các đặc điểm gió mùa. Tuy nhiên, vẫn tồn tại những sai số cục bộ. Điều này đòi hỏi các bước cải thiện tiếp theo thông qua tối ưu hóa và hiệu chỉnh.

3.1. Mô phỏng khí hậu khu vực Đông Nam Á

RegCM3 được cấu hình để mô phỏng khí hậu trên khu vực Đông Nam Á. Khu vực này bao gồm Việt Nam, nơi chịu tác động mạnh của gió mùa. Dữ liệu khí hậu từ năm 1990 đến 2000 được sử dụng. Mô hình tái tạo các trường khí tượng như hoàn lưu, nhiệt độ, độ ẩm và lượng mưa. Kết quả cho thấy RegCM3 có khả năng mô phỏng các đặc điểm cơ bản. Đặc biệt là sự chuyển mùa và phân bố không gian của lượng mưa. Đây là nền tảng để đánh giá và cải thiện khả năng mô phỏng khí tượng cho Việt Nam.

3.2. Đánh giá khả năng của RegCM3

Khả năng của RegCM3 được đánh giá chi tiết bằng cách so sánh với dữ liệu quan trắc. Các chỉ số thống kê khí tượng được sử dụng để phân tích. Mô hình có thể tái tạo một số đặc điểm như nhiệt độ trung bình. Tuy nhiên, RegCM3 có xu hướng sai lệch cục bộ, đặc biệt ở vùng núi. Việc lựa chọn sơ đồ tham số hóa vật lý ảnh hưởng lớn đến kết quả. Đánh giá này giúp xác định những điểm mạnh, điểm yếu của mô hình toán học. Nó là cơ sở để điều chỉnh và tối ưu hóa mô hình cho khí hậu Việt Nam.

3.3. Tối ưu cấu hình và tham số hóa vật lý

Để nâng cao chất lượng mô phỏng khí tượng, cấu hình của RegCM3 được tối ưu. Nhiều sơ đồ tham số hóa vật lý khác nhau đã được thử nghiệm. Mục tiêu là tìm ra bộ tham số phù hợp nhất với điều kiện khí hậu Việt Nam. Quá trình tối ưu hóa bao gồm việc chạy mô hình nhiều lần. Sau đó, đánh giá kết quả bằng các phương pháp thống kê khí tượng. Bộ tham số tối ưu giúp cải thiện đáng kể độ chính xác. Đặc biệt là đối với các trường nhiệt độ và lượng mưa. Sự điều chỉnh này là then chốt để mô hình thủy động học hoạt động hiệu quả hơn.

IV. Cải thiện dự báo khí tượng với phương pháp hiệu chỉnh

Để nâng cao độ chính xác của mô phỏng khí tượng, luận án đã triển khai hai phương pháp cải thiện chính. Thứ nhất là cải tiến động lực học của mô hình RegCM3 bằng cách áp dụng sơ đồ tham số hóa đối lưu Tiedtke mới. Sơ đồ này được kỳ vọng sẽ mô phỏng tốt hơn các quá trình đối lưu, vốn ảnh hưởng lớn đến lượng mưa. Thứ hai là sử dụng mạng thần kinh nhân tạo (ANN) để hiệu chỉnh thống kê các sản phẩm của mô hình. Phương pháp này giúp giảm thiểu sai số hệ thống của mô hình toán học. Cả hai phương pháp này đều nhằm mục đích đưa ra dự báo thời tiết và khí hậu chính xác hơn cho Việt Nam, đặc biệt là trong việc dự báo mùa mưa và mùa khô.

4.1. Cải tiến RegCM3 bằng sơ đồ đối lưu mới Tiedtke

Sơ đồ tham số hóa đối lưu đóng vai trò then chốt trong mô phỏng lượng mưa. Luận án đã áp dụng sơ đồ đối lưu Tiedtke mới. Sơ đồ Tiedtke được thiết kế để cải thiện việc mô tả các quá trình đối lưu trong khí quyển. Kết quả thử nghiệm cho thấy sự cải thiện rõ rệt trong việc tái tạo cường độ và phân bố lượng mưa. Đây là một bước tiến quan trọng trong mô phỏng khí tượng. Nó giúp giảm thiểu sai số hệ thống của mô hình thủy động học, nâng cao độ chính xác của dự báo thời tiết và khí hậu. Việc này đặc biệt quan trọng cho các dự báo mùa mưa.

4.2. Hiệu chỉnh kết quả mô phỏng với mạng ANN

Sau khi cải tiến động lực học, mạng thần kinh nhân tạo (ANN) được sử dụng. ANN là một công cụ hiệu chỉnh thống kê mạnh mẽ. Nó được dùng để hiệu chỉnh sai số của sản phẩm mô hình RegCM3. ANN học mối quan hệ phi tuyến tính giữa kết quả mô hình và dữ liệu quan trắc thực tế. Mô hình ANN được huấn luyện bằng dữ liệu lịch sử để giảm thiểu sai lệch hệ thống. Đặc biệt, nó giúp hiệu chỉnh nhiệt độ và lượng mưa. Phương pháp này cung cấp một công cụ hiệu quả, nâng cao chất lượng dự báo khí hậu Việt Nam. Kết quả sau hiệu chỉnh cho thấy độ chính xác được cải thiện đáng kể.

4.3. Đánh giá hiệu quả cải thiện dự báo thời tiết

Hiệu quả của các phương pháp cải thiện được đánh giá một cách kỹ lưỡng. So sánh kết quả trước và sau khi áp dụng sơ đồ Tiedtke và ANN được thực hiện. Các chỉ số thống kê khí tượng được sử dụng để định lượng mức độ cải thiện. Mô hình được đánh giá về khả năng dự báo mùa mưa, mùa khô và gió mùa. Độ chính xác của nhiệt độ và lượng mưa được cải thiện đáng kể. Điều này chứng minh tính hiệu quả của phương pháp lai ghép. Kết hợp thủy động học và thống kê khí tượng là tối ưu. Nó giúp đưa ra dự báo thời tiết đáng tin cậy hơn, hỗ trợ các quyết định liên quan đến khí hậu.

V. Ứng dụng và ý nghĩa của mô hình khí hậu Việt Nam

Nghiên cứu này không chỉ mang lại kết quả khoa học quan trọng mà còn mở ra nhiều ứng dụng thực tiễn. Mô hình khí hậu RegCM3 đã được hiệu chỉnh và tối ưu hóa cho Việt Nam. Nó có tiềm năng lớn trong việc dự báo biến đổi khí hậu ở quy mô khu vực. Thông tin từ mô hình có thể hỗ trợ các nhà quản lý trong quy hoạch phát triển kinh tế xã hội. Đặc biệt là trong các ngành chịu ảnh hưởng trực tiếp từ thời tiết và khí hậu. Nghiên cứu cũng đặt nền tảng cho các định hướng phát triển mô phỏng khí tượng trong tương lai, hướng tới một hệ thống dự báo khí hậu bền vững và hiệu quả hơn cho Việt Nam.

5.1. Tiềm năng dự báo biến đổi khí hậu

Nghiên cứu này mở ra tiềm năng lớn trong dự báo biến đổi khí hậu ở Việt Nam. Mô hình RegCM3 đã được hiệu chỉnh tốt, có thể được sử dụng để xây dựng các kịch bản khí hậu tương lai. Thông tin này rất quan trọng cho việc lập kế hoạch ứng phó. Nó hỗ trợ các ngành nông nghiệp, thủy lợi, năng lượng. Dự báo thời tiết và khí hậu chính xác hơn sẽ giảm rủi ro. Nó góp phần bảo vệ môi trường và phát triển bền vững. Mô phỏng khí tượng cung cấp cái nhìn sâu sắc, giúp hiểu rõ hơn về tác động của biến đổi khí hậu, đặc biệt là các sự kiện tần suất cực đoan.

5.2. Hỗ trợ quy hoạch phát triển kinh tế xã hội

Kết quả từ luận án có ý nghĩa thực tiễn cao. Nó cung cấp dữ liệu khí hậu chi tiết và đáng tin cậy cho Việt Nam. Các nhà quản lý có thể sử dụng thông tin này để ra quyết định. Nó hữu ích trong quy hoạch đô thị, phát triển hạ tầng. Đặc biệt là quy hoạch sử dụng đất và quản lý tài nguyên nước. Dự báo mùa mưa, mùa khô giúp tối ưu hóa sản xuất nông nghiệp. Nó cũng hỗ trợ công tác phòng chống thiên tai. Mô hình toán học là công cụ hữu ích cho các nhà hoạch định chính sách. Nó nâng cao khả năng thích ứng với điều kiện khí hậu thay đổi.

5.3. Định hướng nghiên cứu mô phỏng khí tượng tương lai

Nghiên cứu này đặt nền tảng cho các nghiên cứu tiếp theo. Cần tiếp tục cải tiến các sơ đồ tham số hóa vật lý và mở rộng ứng dụng ANN. Tích hợp thêm các mô hình biển-khí quyển để nâng cao độ chính xác. Phân tích tần suất các sự kiện cực đoan cần được đẩy mạnh. Đồng thời, cần sử dụng nguồn dữ liệu đầu vào độ phân giải cao hơn. Điều này giúp dự báo thời tiết và khí hậu chính xác hơn. Mô phỏng khí tượng cần được kết hợp với các lĩnh vực khác như thủy văn, sinh thái học. Mục tiêu cuối cùng là xây dựng hệ thống dự báo khí hậu bền vững cho Việt Nam.

Xem trước tài liệu
Tải đầy đủ để xem toàn bộ nội dung
Luận án tiến sĩ nghiên cứu khả năng mô phỏng mùa các yếu tố khí tượng trên lãnh thổ việt nam bằng phương pháp thủy động và thống kê

Tải xuống file đầy đủ để xem toàn bộ nội dung

Tải đầy đủ (163 trang)

Trích đoạn nội dung luận án

Tải xuống để đọc toàn bộ

ĐẠI IIỌC Ọ lló c CIA HÀ NỘI TRI ỞN(; ĐẠI HỌC KHOA HỌC T ự NHIÊN HÒ THỊ MINH HÀ NGHIÊN CỨU KHẢ NĂNG MÔ PHỎNG MÙA CÁC YỂU TÓ KHÍ TƯỢNG TRÊN LÃNH THỔ VIỆT NAM BẰNG PHƯƠNG PHÁP THỦY ĐỘNG VÀ T H ốN G KÊ Chuyên ngành: Khí tượng học Mà số: 62.01 LUẬN ÁN TIÉN SĨ KHÍ T Ư Ợ N G H Ọ C NGƯỜI HƯỚNG DÀN KHOA HỌC: ]. Nguyền Hưởng Điền 2. N&uyền Văn Hữu H À NỘ I - 2008 Mục ■ lục ■ L ờ i c a m đ o a n .3 Danh mục các ký hiệu và chữ viết tẳt. 5 Danh mục hình ả n h.

7 Danh mục các bàng. 15 Chương 1 CÁC NGHIÊN c ú u VỀ D ự BÁO KHÍ HẬU KHU v ự c BẰNG MÔ HÌNH SỐ TRỊ. Tình hình nghiên cứu trên thế giới 21 1. Tại sao cần dự báo khí hậu khu vực bằng mô hình RCM?.

Nhĩrng nghiên cứu ứng dụng RCM vào dự báo khí hậu khu vực. Tình hình nghiên cứu trong nirớc 32 1. Những nghiên cứu về thống kê hiệu chỉnh sản phẩm mô hình số 35 Chương 2 PHƯƠNG PHÁP MÔ HÌNH HÓA KHÍ HẬU KHU v ự c VÀ PHƯƠNG PHÁP THỐNG KÊ SẢN PHẤM MÔ HÌNH SỐ (MOS). Phương pháp mô hình hóa khí hậu khu vực ứng dụng vào mô hình RegCM3 39 2.

Động lực học. Các thành phần vật lý trone RegCM3. Phương pháp thống kê sản phẩm mô hình số 66 2. Các phương pháp đánh giá thốne, kê mô hình khí h ậ u.

Phương pháp luyện mạng thần kinh nhân tạo ANN. Neuồn số liệu sử dụng 74 3 Chương 3 K Ế T Q U Ả M Ô P H Ỏ N G CÁ C T R Ư Ờ N G KHÍ T Ư Ợ N G T R Ê N KIUJ V ự c DÔNG NAM Á BẢNG MỔ HÌNH KHÍ HẬU KHU v ự c R e g C M 3. Thời tiết, khí hậu khu vực DNA trong thập kỷ cuối thế kỷ XX 77 3. Hoàn kru, nhiệt độ, dộ ẩm và lượng mưa của RegCM3 78 3.

Cấu hình động lực. Lựa chọn sơ đồ tham sổ hóa vật lý. Kết quả mô phỏng 10 năm của RegCM3 với bộ tham sổ tối ưu.99 t h ư ơ n g 4 C Ả I T H IỆ N K Ế T Q U Ả M Ô P H Ỏ N G N H IỆ T Đ ộ V À L Ư Ợ N G MƯA CỬA MỒ HỈNH RegCM3 BẰNG s ơ DÓ THAM SỐ HÓA ĐỐI LƯU MỚI VÀ BẰNG PHƯƠNG PHÁP HIỆU CHỈNH THÓNG K Ê. Cải tiến RegCM3 bàng sơ đồ tham số hóa đối lưu mới 107 4.

Lý do chọn lựa sơ dồ tham số hóa đối kru Tieđtke. Mô hình RegCM3 với sơ đồ đối lưu mới Tiedtke. Cải thiện kết quà mô phỏng nhiệt độ và lượng mưa của RegCM3 nhờ h iệ u c h ì n h b à n g A N N 126 4. Lý do chọn phương pháp hiệu chinh bầng A N N.

Các kết quả sau khi hiệu chinh.140 TẢI LIỆU THAM KHẢO.143 1‘I IỤ L Ụ C 4 Danh mục các kỷ hiệu và chữ viết tắt Acc Accuracy - Độ chính xác AOCM Atmosphere Global Climate Model - Mô hình khí hậu toàn cẩu nhánh khí q u y ển ANN Artificial Neural Network - Mạng thần kinh nhân tạo. AS Arakavva-Schubert - Tên sơ đồ tham số hóa đối lưu BA’I s Bio-Atmospheric Transfer Scheme - Sơ đồ tương tác khí quyển - bè mặt BTtìộ Bấc Trung Bộ BMJ Betts-Miller-Janjic - Tên sơ đo tham số hóa đối lưu C('M Community Climate Model - Mô hình Khí hậu cộng dồng CC3CM Couple Global Climate Model - Mô hình khí hậu toàn cầu phối hợp CRU Climatic Research Units - Trung tâm nghiên cứu khí hậu (Anh) DBK.H Dự báo khí hậu DBKHKV D ự b áo khí hậu k h u vực ĐNA Đ ông N am Á ĐBB Đ ông Bẳc Bộ ĐBBB Dồng bằng Bẳc Bộ ECHAM 4 M ô h ìn h khí hậu toàn cầu th u ộ c V iệ n M a x P la n c k (Đ ứ c ) ECMWF European Center for Medium Range Weather Forecasts - Trung tâm dự báo thời tiẻt hạn vừa Châu Âu. ENSO HI Nino-Southern Oscillation - El Nino-Dao động Nam EOF Empirical Orthogonal Function - Hàm trực giao kinh nghiệm IỈR A 4 0 S ố liệ u tái p h â n tíc h k é t h ợ p s ả n p h ẩ m m ô h ì n h s ố c ù a E C M W F FC Fritsch-Chappell - Tên sơ đồ tham sổ hóa đối lưu GAIi Grell AS + Bats GCM G lo b a l C lim a te M o d el - M ô h ìn h khí h ậ u to à n cầu GCM Global Circulation Model - Mô hình hoàn lưu chung khí quyển 1ỈK B iệt th ứ c H a n sse n v à K u ip crs HQTT H ồ i q u y t u y ế n tín h HRM High Resolution Model - Mỏ hình (dự báo thời tiết) độ phân giải cao 5 HSS 1leidke Skill Score - Chì sô kỷ năng í lcidke HSTỌ 1lệ so tương quan 1C ri* International Centre for Theoretical Physics - Trung tâm quốc tế nghiên cứu vật lý lý thuyết (Ý) ITCA Internal Tropical Convection Zone - Dái hội tụ nội nhiệt đới Ipec; Integovemmental Panel on Climate Chanse - Nhỏm nghiên cứu đa chính phũ về biến đối khí hậu MM5 Mesoscale Model 5 - Mô hình quy mô vừa thé hệ thứ 5 MOS Model Output Statistics - Thống kè sán phẩm mô hình NTrBỘ Nam Trung Bộ NCAR National Center for Atmospheric Research (USA) - Trung tàm quốc gia nghiên cứu khí quyén (Mỹ). NCIiP National Center for Environmental Prediction - Trung tâm Quốc gia về Dự báo Môi trường (Mỹ) NOAA National Oceanographical and Atmospheric Administration - Cơ quan quàn lý Khí quyển - Đại dương (Mỹ) LAM Limited Area Model - Mô hình khu vực hạn chế LliC Lateral Boundary Condition - Điều kiện biên xung quanh PBL Planetary Boundary Layer - Lớp biên hành tinh PC’A Principal Component Analysis - Phân tích thành phần chính PSU Pennsynavia States University - Dại hợc bang Pennsynavia RcgCM Regional Climate Model - Mô hình khí hậu khu vực cùa NCAR RCM Regional Climate Model - Mô hình khí hậu khu vực SST Sea surface temperature - nhiệt độ nước biển bề mặt T1ĨD Thái Bình Dương TBNN Trung bình nhiều năm TieB Tiedtke + Bats TieZ Tiedtke + Zeng TrTrBỘ Trung Trung Bộ XI Nỉ) Xoáy thuận nhiệt dới V Bắc Việt Bẳc VOS.

và cộng sự 6 Danh mục hình ảnh ■ H in h 1.1: Phân vùng gió mùa của S. Phần giới hạn trong hình chừ nhật tỏ đậm là khu vực gió mùa ĐNA theo sổ liệu của Raniage (1971);.2: Sai số hệ thung cùa nhiệt độ không khí bề mặt (°C) và giáng thủy (%) trong giai đoạn 1961-1990 cùa các thừ nghiệm sứ dụng mô hình AOGCM cùa CSIRO Mk2, CCSRj'NIES, ECHAM/OPYC, CGCM1 (tư hợp 3 thành phần) và HadCM2 (4 thành phần).3: Dòng chày mùa hè ở Thụy Điển, (a) lính toán từ mô hình thủy văn, sứ dụng quan trắc mưa và dòng chảy tại trạm [Raab và Vedin, 1995]; (b) mỏ phỏng cùa GCM; (c) mô phóng cùa RCM độ phân giãi 55km; (d) mô phỏng cùa RCM độ phân giái I8km. Đơn vị dòng chảy mặt là mm. (Trích dan từ Christensen vcs.4: RCM có thể dự báo dược các đặc trung hoàn hru vốn không giái âưực bời GCM.

Ví dụ trong trường hựp dự báo xoáv thuận nhiệt đới [Giorgi, 2006].5: Khả nàng mô phỏng Itrợng mưa và nhiệt độ khu vực Tây Á cùa RegCM3 trung bình trong thời kỳ' từ 1987-2000 [ G i o r g i , 2 0 0 6 ] .6: Kha năng mô phỏng lượng mưa vờ nhiệt độ khu vực Đỏng Á của RegCM3 trung bình trong thời kỳ' từ ì 987-2000 [Giorgi, 2006].1 : Các quy mô không gian cùa mỏ hình khi hậu [ G i o r g i , 2 0 0 6 ] .2 : Lưới ngang dạng xen kẽ dạng B - Arakawa - Lamb cùa mô hình RegCM3 [Eỉguindi vcs.3 : Lồng ghép mỏ hình RCM vào GCM bằngphưưng pháp động lực .4 : Mô hình mây đối lint một chiều ổn định trong sư đồ Grell [ Grell , 1993 ].5: Mô hình máy đui lim sáu [Tiedtke, 1989].6 : D ự báo cho địa phương bảng phương pháp thống kê sàn phẩm cùa GCMhoặc RCM.7 : c ẩ u trúc cùa mạng thần kinh sinh hục (trên) và cấu trúc ANN (dưới).8 : Mặt lồi là hàm cùa các trụng số. Điếm dốc nhất trên mặt lỗi là nơi soi số tông cộng nhò nhất.9 : Các dạng hàm truyền CƯ bán cùa ANN, (a) hàm Log-sigma, (b) tan- sigma, (c) tuyến tính [Demuth vcs.1 0 : Mạng thần kinh 3 ìớp theo phương pháp Levenberg-Marquardt .1 1 : Dạng vectư cùa mạng 3 lớp (rong I lìn h 2 .1 : Dỏng gió mùa chính trong 3 tháng mùa hè (6, 7, 8) ở Châu Ả .2: Đường dòng và độ âm trung bình tháng 8/1996 mực 850mb cùa (a) ERA40 và (b) RegCMS. Đơn vị độ ấm lờ kg/kg. 2 b nhimg miền tích phân rộng hơn về phía bắc, hẹp hơn về 3 phía còn lại.4: Lượng mua mô phỏng bởi (a) GCM_300km, (b) RCM_50km, (c) R C M 25km vờ (d) Quan trắc [Giorgi, 2006], Đơn vị mm/ngày.5 : Ltrợng mưa trung bình tháng 8 của 3 năm 1996-1998 mô phòng bới (a)RegCM3_60km và (b) RegCM3 45km.

Dơn vị mm/ngày .6 : Sai số RMSE cùa lượng mưa trung bình tháng 6-8/1996-1998 cùa (a) RegCM3 60km và (b) RegCM3_45km. Đơn vị mm/ngày.7 : Nhiệt ĩỉộ tại (tộ cao 2m trung bình tháng 8/1996 của (a) CRU, (b) Reg+GAS, (c) Reg+GFC và (d) Reg+BMJ.8 : Lượng mưa trung bình tháng 8/1996 cùa (a) CRU, (b) Reg+GAS, (c) Reg+GFC và (d) Reg-+ BMJ. Đơn vị mm/ngày.9 : Profile (a) nhiệt độ vờ (b) độ am trung bình tháng 8/1996 lơv (rung hình trong khu vực từ I2-22N, 106-11OE cùa Reg+GFC và cùa 8 phiên ban nàv khi lượng mưa đổi lưu giảm đi một nửa. Dưn vị nhiệt độ là íỉộ c, iíưn vị độ âm riêng là kg/kg.1 0 : Lượng mưa trung bình tháng 8/1996 cùa (a) Reg+GFC và (b) Reg+GFC khi lượng mưa đổi Ịtru giảm I nửa.

Đơn vị mm/ngày .1 1 : Nhiệt độ tại 2m trung bình tháng 8/1996 cùa (a) Reg+GFC và (b) Reg+CỈFC khi lượng mưa đối lưu giám 1 nửa.1 2 : Chuối thời gian cùa CAPE (J/kg), CAPE âm (NCAPE) (J/kg) và lượng mưa quan trắc (mm/ngày). Đường dậm là CAPE, đường chấm, gạch là NCAPE vờ đường nét đứt là tốc độ mưa.1 3 : Lượng bóc hơi từ đại dương vào khí quyến cùa (a) Reg+GAB và (b) Reg+G AZ trung bình 6-8/1996. Đơn vị mm/ngày.1 4 : Tirơng tự H ì n h 3 .1 3 nhưng là thông lượng hiến nhiệt.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Câu hỏi thường gặp

Luận án "Luận án: Mô phỏng mùa khí tượng Việt Nam - Thủy động & Thống kê" nghiên cứu về vấn đề gì?

Tài liệu: Luận án tiến sĩ nghiên cứu khả năng mô phỏng mùa các yếu tố khí tượng trên lãnh thổ việt nam bằng phương pháp thủy động và thống kê. Tải miễn phí tại

Luận án "Luận án: Mô phỏng mùa khí tượng Việt Nam - Thủy động & Thống kê" được bảo vệ tại trường nào?

Luận án này được bảo vệ tại Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội. Năm bảo vệ: 2008.

Luận án "Luận án: Mô phỏng mùa khí tượng Việt Nam - Thủy động & Thống kê" thuộc chuyên ngành gì?

Luận án "Luận án: Mô phỏng mùa khí tượng Việt Nam - Thủy động & Thống kê" thuộc chuyên ngành Khí tượng học. Danh mục: Thủy Sản.

Luận án "Luận án: Mô phỏng mùa khí tượng Việt Nam - Thủy động & Thống kê" có bao nhiêu trang?

Luận án "Luận án: Mô phỏng mùa khí tượng Việt Nam - Thủy động & Thống kê" có 163 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.

Cách tải luận án "Luận án: Mô phỏng mùa khí tượng Việt Nam - Thủy động & Thống kê" về máy như thế nào?

Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.

Luận án liên quan

Chia sẻ tài liệu: Facebook Twitter