- Trang Chủ
- Địa Lý
- Chương 6 - NHỮNG KẾT QUẢ DỰ BÁO THỐNG KÊ CÁC QUÁ TRÌNH HẢI DƯƠNG HỌCNhiều
Xem mẫu
- chung [162], sơ đồ này đã chính xác hoá đáng kể bức tranh không gian
của biển Bellinshauzen. Trước hết, ta thấy đới front cực dịch chuyển
nhiều về phía nam, biên giới xâm nhập các loại nước cận Nam Cực ở
Chương 6 - NHỮNG KẾT QUẢ DỰ BÁO THỐNG
vùng biển Bellinshauzen lên tới 62−64°S. Sự dịch chuyển tương tự của
KÊ CÁC QUÁ TRÌNH HẢI DƯƠNG HỌC
biên giới các đới khí hậu làm tăng độ tương phản kinh hướng của các
đặc trưng vật lý thủy văn ở phần phía đông của cung Nam Cực Thái
Bình Dương.
Nhiều thí nghiệm về phương pháp luận dự báo những tham số tổng
Một đặc điểm quan trọng khác trong những kết quả nhận được là đã
quát của các quá trình hải dương cho phép tiến tới lập căn cứ phương
chính xác hoá độ sâu biên giới trên của khối nước đáy. Ở trung phần biển
pháp luận chẩn đoán và dự báo như là một bài toán thống nhất. Những thí
Bellinshauzen, biên giới trên của khối nước đáy Nam Cực bằng
dụ dẫn dưới đây hiện thực hoá một ý tưởng đơn giản − sử dụng các mô
3100−3300 m, trong khi đó ở phần phía bắc và phía đông biển −
hình thống kê một chiều để dự báo các tham số tổng quát của quá trình. Ý
2700−2900 m. Đó là một sự phân hoá rất lý thú về phương diện nghiên
tưởng này là cơ sở dự báo nhiệt độ nước lớp mặt Bắc Đại Tây Dương,
cứu tiếp vấn đề hình thành các khối nước đáy ở vùng đại dương Nam
lượng băng biển Baren và sinh khối động vật phù du biển Baren.
Cực.
Trên thực tế, trong khi tiến hành chẩn đoán đúng đắn về quá trình và
Như vậy, phép chẩn đoán thống kê đã cho phép giải quyết những
phân tách ra những tham số tổng quát ổn định trong thời gian thì điều
nhiệm vụ chính đã đặt ra. Việc lý giải kết quả xử lý thông tin đã đạt tới
quan trọng là chọn ra từ lớp các mô hình thống kê tuyến tính một mô hình
độ tỉ mỉ và độ tin cậy cần thiết.
tối ưu cho phép với sai số nhỏ nhất ngoại suy các tham số cơ bản cho
Tuy nhiên, phải nhận xét rằng những kết luận rút ra chưa thể phổ khoảng dưới hai bước thời gian sắp tới. Thời khoảng đó là đủ về quan
biến cho vùng thềm lục địa của biển. Vùng này còn rất ít số liệu quan điểm phương pháp luận (các dự báo những quá trình khí tượng thủy văn
trắc. Đa phần các mảng quan trắc đối với vùng này chỉ chứa số liệu về có tính khả báo không cao [146, 151]) cũng như về quan điểm thực tiễn:
nhiệt độ và độ muối. Sự phức tạp của việc ứng dụng phân tích T , S kinh sự tăng thời gian báo trước diễn ra không phải do những tính chất của mô
điển và thiếu vắng tài liệu quan trắc thủy hoá bổ sung hiện chưa cho phép hình, mà liên quan tới độ ổn định của các hàm cơ sở hay các hàm trực
gộp vùng ven bờ vào mô hình thống kê chung về cấu trúc nước trong biển giao tự nhiên. Thí dụ, các thành phần chính đặc trưng cho giá trị trung
Bellinshauzen. bình năm của quá trình, các hàm cơ sở − đặc điểm biến động mùa. Khi đó
Sự hàm súc và tính tin cậy vật lý của những kết quả chẩn đoán thống dự báo cuối cùng sẽ bằng những giá trị khôi phục của tích số giữa thành
kê đảm bảo hiệu quả không chỉ của mô hình đã nhận được, mà còn cho phần chính với hàm cơ sở tương ứng.
thấy triển vọng vận dụng quan điểm tiếp cận này để nghiên cứu cấu trúc Mặc dù sự đơn giản tương đối của ý tưởng liên kết các kết quả chẩn
nước ở những vùng khác của đại dương vùng Nam Cực. đoán với các mô hình thống kê, việc hiện thực hoá nó ở mức độ nhất định
bị khó khăn bởi sự phức tạp của công cụ toán học, sự thiếu đầy đủ về
thông tin hải dương học xuất phát và thiếu vắng những hệ thống xử lý tự
93
- động. phương sai. Trong đại đa số những trường hợp thực tiễn, khi quá trình
không có xu thế và được biểu diễn dưới dạng những dị thường (độ lệch
so với giá trị trung bình), có thể cho rằng ước lượng kỳ vọng toán học
6.1. DỰ BÁO CÁC TRƯỜNG NHIỆT Ở BẮC ĐẠI TÂY DƯƠNG
bằng không. Khi đó ước lượng phương sai quá trình là đặc trưng đủ để
Những nguyên nhân quan trọng làm cho nhiệt độ mặt đại dương
mô tả hàm phân bố xác suất.
(hay dị thường nhiệt độ mặt đại dương) trở thành trọng tâm chú ý của các
Trên hình 5.1 thể hiện những tham số thống kê cơ bản của các chuỗi
nhà nghiên cứu và các nhà dự báo thực dụng là tính ý nghĩa của nó như
dị thường nhiệt độ mặt đại dương. Cấu trúc không gian − thời gian bất
một đặc trưng năng lượng quy định sự tiến triển của các quá trình hải
đồng nhất của phương sai và mật độ phổ cho thấy rằng có những quá trình
dương và sinh học, tính dễ quan trắc, độ chính xác đo đạc tương đối cao,
quy mô khác nhau hình thành chế độ nhiệt đại dương. Nhìn chung trong
và do đó, khả năng vận dụng phân tích thống kê, trong đó có thống kê đa
đại dương có những vùng có biến động gần như nhau và dạng hàm mật độ
chiều, vào quỹ dữ liệu tích luỹ được trong thời gian dài.
xác suất gần giống "nhiễu đỏ". Cũng có những vùng có biến thiên tối đa
Trong mục này sẽ trình bày những kết quả dự báo nhiệt độ mặt đại
các đặc trưng, hoặc có những đỉnh phổ thứ cấp rõ nét.
dương tại một số vùng của Bắc Đại Tây Dương theo tuần tự sau:
Kết quả phân tích các chuỗi (xem hình 5.1) cho thấy đại đa số những
a) Phân tích cấu trúc thống kê các số liệu xuất phát;
tập dữ liệu mẫu về dị thường nhiệt độ mặt tuân theo luật phân bố chuẩn
b) Dự báo các chuỗi thời gian và kiểm tra; trong các vùng biển Na Uy. Bất đối xứng đạt 0,3°C về giá trị tuyệt đối.
c) Phân tích cấu trúc quy mô lớn của nhiệt độ mặt đại dương Bắc Theo chúng tôi, trị số này đặc trưng cho sai số quan trắc và cho phép để
Đại Tây Dương, phân tách ra những vùng đồng nhất bằng các phương sử dụng trong các sơ đồ dự báo, vì nó không vượt quá giới hạn sai số dự
báo theo các chỉ tiêu 0,674 σ và 0,8 σ . Do đó, để phân tích và dự báo có
pháp phân tích thống kê đa chiều;
thể ứng dụng những quan hệ tương quan cơ bản của phép phân tích tham
d) Dự báo các thành phần chính và các nhân tố chung có mức ý
số, chẳng hạn như các hệ số tương quan của Pierson.
nghĩa cao, khôi phục những giá trị dự báo của nhiệt độ mặt đại dương
theo không gian và kiểm tra chúng. Về tính ổn định của các mô men thống kê đầu tiên trong phạm vi sai
số cho phép, có thể xét theo xu thế tuyến tính với giá trị không vượt quá
Ở đây chúng tôi đặc biệt chú ý tới vấn đề phân tích cấu trúc dữ liệu
0,2°C (hình 6.1). Việc kiểm tra tính phù hợp của mô hình với số liệu xuất
xuất phát, vì nó quyết định tính khả báo tiềm năng của nhiệt độ mặt đại
phát được thực hiện bằng các mô men thống kê đầu tiên, như phương sai
dương, cũng như khía cạnh phương pháp luận − kiểm tra những phương
và hệ số tương quan, với điều kiện ước lượng kỳ vọng toán học bằng
pháp thống kê xác suất dự báo nhiệt độ mặt đại dương, nó cho phép phát
không [259]. Mặc dù là những đặc trưng quan trọng của phép so sánh
hiện những nguồn sai số dự báo quan trọng − sai số do phân tích dữ liệu
thống kê giữa các chuỗi dự báo và thực đo, những ước lượng này không
và sai số trong hình thành mô hình.
bao quát hết tất cả những vấn đề trong khi kiểm tra tính phù hợp của mô
Như đã biết, ta có thể có được khái niệm đầy đủ về một quá trình
hình với dữ liệu. Có lẽ, một trong những phương pháp quan trọng là
ngẫu nhiên nếu biết hàm phân bố xác suất của nó, hàm này được cho
phương pháp kiểm tra theo những chỉ tiêu nào không tham gia vào mô
bằng hai mô men thống kê đầu tiên − các ước lượng kỳ vọng toán học và
hình với tư cách là tham số. Vì vậy khối kiểm tra (xem hình 0.5) được bổ
94
- sung thêm những thủ tục hàm phân bố sai số một và hai chiều [44].
Một bằng chứng quan trọng ủng hộ việc ứng dụng thủ tục tương tự
là thực tế rằng các tổ chức đồ thực nghiệm cho phép khảo sát cấu trúc bên
trong của các chuỗi sai số dự báo về phương diện tính ổn định căn cứ vào
tính biến động thấy được của số liệu xuất phát. Điều này quan trọng về
nguyên tắc khi dự đoán những đặc điểm cấu trúc đặc trưng của những dữ
liệu thuộc loại những quan trắc biến thiên đột ngột, có những cực trị,
Hình 6.1. Biến trình thời
những građien lớn... gian các dị thường trung
bình tháng nhiệt độ nước
Thí dụ dẫn trên hình 6.2 là thí dụ rất tiêu biểu về phương diện này. mặt ở biển Na Uy vùng tầu
Hàm phân bố dị thường nhiệt độ nước mặt đại dương theo kinh tuyến thờì tiết M
Đường gạch nối chỉ xu thế
Kolsky biểu diễn trên hình này là hàm hai mốt. Như đã thấy, nó không
tuyến tính
được khôi phục hoàn toàn bằng những phương pháp riêng lẻ, thí dụ
phương pháp ngoại suy Fourier [44]. Nó được khôi phục đạt nhất bằng
mô hình xác suất động lực (xem mục 4.1), song cả ở đây vẫn tồn tại
những khác biệt, đặc biệt ở miền âm. Dự báo kết quả nhận được bằng
phương pháp kết hợp thống kê 10 phương pháp đã đảm bảo khôi phục tối
ưu hàm xác suất thực nghiệm này (xem mục 4.3).
Việc kiểm tra các phương pháp dự báo khác nhau giúp tiến hành
chẩn đoán quá trình dự báo một cách triệt để hơn. Nếu phân tích hình 6.2,
Hình 6.2. Những tổ chức đồ
có thể rút ra kết luận sơ bộ về bản chất của hai mốt trong hàm phân bố thực nghiệm của các chuỗi dị
thường nhiệt độ trung bình
xác suất dị thường nhiệt độ mặt đại dương. Mốt với cực đại ở miền
tháng lớp nước 0−200 m dọc
dương (khoảng 0−0,4°C) chỉ ra sự tồn tại của dao động tựa dừng trong dị kinh tuyến Kolsky
thường nhiệt độ mặt đại dương, dao động này chỉ được mô phỏng bởi 1 − thực, 2 − dự báo bằng phương
phương pháp cộng Fourier tám hài. Dao động này làm chệch ước lượng pháp Fourier, 3 − bằng phương
pháp thống kê động lực, 4 − bằng
"chuẩn" khoảng 0,2°C. phương pháp xác suất động lực, 5 −
bằng phương pháp hồi quy kết hợp
Đỉnh thứ hai của hàm phân bố xác suất dị thường nhiệt độ mặt đại
dương gây nên bởi sự hiện diện của mốt thứ hai trong miền các giá trị âm
với cực đại nằm trong khoảng −1,2... −0,8°C, về bản chất là một hợp
phần ngẫu nhiên (xác suất), nó chỉ có thể được mô phỏng bởi mô hình
xác suất.
95
- pháp (mô hình hôì quy). Nó chính là mô hình tối ưu với nghĩa làm
cực tiểu sai số bình phương trung bình của dự b áo trong khuôn khổ
lý thuy ết các mô hình d ừng tuy ến tính. Vì vậy, khác v ới các phương
pháp khác, về trung bình hàm phân b ố hai chiều của sai số dự báo
bằng mô hình hồi quy phải có cự c đại t hể h iện rõ trong khoảng sai số
dự báo cho phép (−0,4; 0,4°C). Kết quả này thể hiện trên hình 6.3.
Thấy rằng nhiều phương pháp có những cực đại thứ sinh trên các tổ
chức đồ, do bản thân các mô hình sinh ra, trong khi luật phân bố dị
thường nhiệt độ mặt đại dương ở vùng tầu thời tiết M là phân bố chuẩn.
Rõ ràng một số mô hình (không thích nghi) thích ứng với "những quá
trình của mình" gần với hiện thực, về điều này đã nói ở mục 4.1.
Chúng tôi nhận định rằng phép phân tích so sánh toàn bộ tập hợp
những chỉ tiêu khả báo thống kê cho phép người dự báo có được khái
niệm đầy đủ nhất về tính hiệu quả của các phương pháp dự báo anh ta sử
dụng. Ngoài ra, trên cơ sở những phương pháp kiểm tra xác suất sẽ tạo ra
khả năng đánh giá hiệu quả dự báo những dị thường lớn.
Để phân tách ra một cách đúng đắn những cấu trúc không gian và
thời gian đồng nhất hay cùng kiểu nhằm mục đích dự báo, chúng tôi đã
a − Phương pháp tự hồi quy bậc 2
tiến hành phân tích các quá trình bằng những phương pháp phân tích
b − Phương pháp Bayes
c − Phương pháp thống kê động lực
thống kê đa chiều: phương pháp các thành phần chính và phân tích nhân
d − Phương pháp xác suất động lực
tố (xem mục 5.1).
e − Phương pháp Fourier
f − Phương pháp hồi quy kết hợp
Nội dung dự báo của các kết quả phân tích bao gồm:
1. Các vùng mà chúng tôi phân tách ra được chỉ ra những giới hạn
Hình 6.3. Những tổ chức đồ hai chiều sai số dự báo ei các dị thường biến động của nhiệt độ mặt đại dương, bên trong đó những dao động
nhiệt độ mặt đại dương trung bình tháng khu vực tầu thời tiết M
chính dưới dạng các vectơ riêng là những dao động tựa dừng theo nghĩa
bằng những phương pháp khác nhau
thống kê và có thể sử dụng trong các mô hình dự báo. Trong đó mô hình
Như vậy, mốt thứ nhất phản ánh hợp phần định luận của quá dự báo trở thành mô hình đa chiều.
trình, mốt thứ hai − hợp phần ngẫu nhiên. Cả hai mốt, cũng như hàm
2. Từng vùng trong số các vùng được phân tách ra có mức độ liên hệ
phân bố xác su ất quá trình nói chung (xem hình 6.2) sẽ đượ c khôi
qua lại của trường nhiệt độ mặt đại dương khác nhau (các ma trận tương
phục đạt nhất bằng mô hình tối ưu hoá thống kê tất cả c ác phương
quan rất khác nhau), điều này cho phép điều chỉnh các tham số của mô
96
- hình dự báo sao cho tương ứng với kiểu quá trình cụ thể. Vì, như chúng
tôi đã chứng minh, nếu sử dụng cùng một mô hình cho toàn vùng Bắc Đại
Tây Dương sẽ dẫn tới làm giảm hiệu quả dự báo.
3. Đưa các thành phần chính tính được theo những hàm trực giao tự
nhiên trong tọa độ không gian hoặc thời gian vào làm tiên lượng dự báo
sẽ cho phép xây dựng được mô hình đa chiều khách quan, tính tới được
ảnh hưởng của các nhân tố bình lưu và những nhân tố khí tượng (gián
tiếp), như trong công trình [215] đã đề xuất.
Bây giờ ta xét vấn đề chẩn đoán các trường nhiệt Bắc Đại Tây
Dương bằng những phương pháp phân tích thống kê đa chiều. Việc liên
kết ba vùng vào làm một (xem các hình 5.2−5.5) đã cho phép đánh giá
ảnh hưởng của các quy mô không gian lên những nét chính trong bức
tranh chế độ nhiệt ở Bắc Đại Tây Dương. Nói chung cấu trúc vẫn giữ
nguyên những đặc điểm nổi bật: trong trường vectơ riêng thứ nhất thể
hiện rõ nét tính địa đới trong phân bố dị thường nhiệt độ mặt đại dương,
trong đó vùng nước của hệ thống các hải lưu Gơnstrim và Bắc Đại Tây
Dương được tách ra rõ nhất và có những giá trị âm cực đại. Phần xích đạo
và nhiệt đới Bắc Đại Tây Dương có những giá trị dương. Bức tranh phân
bố không gian này của mốt thứ nhất của dị thường nhiệt độ mặt đại
dương rõ ràng là do ảnh hưởng của bức xạ Mặt Trời (xem hình 5.2a).
Hình 6.4. Độ xác thực (%) của các dự
Trường vectơ riêng thứ hai (xem hình 5.2b) cũng phản ánh phân bố
báo dị thường nhiệt độ trung bình
nhiệt kiểu địa đới. Tuy nhiên, đới xích đạo và nhiệt đới của Bắc Đại Tây tháng nước mặt đại dương ở Bắc Đại
Dương phân cách nhau về dấu. Những vùng chịu ảnh hưởng của các hải Tây Dương theo chỉ tiêu 0,674σ
lưu Gơnstrim, Labrađo, Ipminge và Đông Grinlan có tỉ trọng lớn hơn so a− Phương pháp Bayes
b− Phương pháp tự hồi quy bậc 2
với trong trường vectơ riêng thứ nhất. Như vậy là đã làm nổi vai trò tái
c− Phương pháp xác suất động lực
phân bố nhiệt quy mô lớn do bình lưu. d− Phương pháp quán tính
e− Phương pháp thống kê động lực
Trường vectơ riêng thứ ba phản ánh những quá trình kinh hướng,
chắc chắn liên quan tới động lực nước Bắc Đại Tây Dương và biển Na Uy
Cuối cùng, thành phần thứ tư cho phép nhận diện khá rõ đới
− đó là vùng Niuphơnlen, đông phần Đại Tây Dương nhiệt đới và phần
Gơnstrim − hải lưu Bắc Đại Tây Dương, lan tới tận 35°W và đới nước
trung tân biển Na Uy.
97
- trồi − ở đông phần Đại Tây Dương nhiệt đới. Cũng cần chú ý một ổ nhiệt trong đại dương. Trước hết, đó là do sự ổn định theo nghĩa thống kê của
ở trung phần Bắc Đại Tây Dương, có thể có liên quan tới cấu trúc động các nhân tố ảnh hưởng tới dị thường nhiệt độ mặt đại dương, và do sự
lực của hoàn lưu nước xoáy nghịch quy mô lớn tại vùng này. đồng nhất của bản thân các vùng tại đó vai trò của nhân tố này hay nhân
tố kia hoàn toàn xác định.
Mặc dù giá trị phần phương sai được mô tả trong các trường thành
phần chính đầu tiên không cao, do bậc ma trận tương quan lớn Một kết quả quan trọng nữa trong ứng dụng mô hình xác suất [224]
(120×120), nhưng phải kết luận về tính ổn định và đồng nhất cấu trúc cao đó là sự tăng hiệu quả dự báo ở vùng Gơnstrim − hải lưu Bắc Đại Tây
của những nét chính trong bức tranh nhiệt trong trường dị thường nhiệt Dương [136], tại đây sai số dự báo giảm tới 50%, trong khi theo vùng
độ mặt đại dương, đặc biệt về vùng Gơnstrim − hải lưu Bắc Đại Tây Bắc Đại Tây Dương nói chung phương sai nhiễu trung bình bằng 70%,
Dương khi chuyển từ các quy mô không gian nhỏ hơn, các vùng riêng lẻ, tức tương ứng với mức ý nghĩa khả báo 30%.
sang những quy mô lớn hơn, bao quát thực tế toàn bộ thủy vực Bắc Đại Từ sự phân tích thống kê đã tiến hành và những kết quả của các công
Tây Dương và biển Na Uy. trình [44, 151] suy ra rằng sự tăng tính khả báo liên quan với chất lượng
Những kết quả phân tích thống kê về trường dị thường nhiệt độ mặt phép phân tích, tức những mô hình đã dự báo đạt nhất những quá trình
đại dương nhận được cho phép rút ra những kết luận như sau: nào và ở những vùng nào mà nó thích ứng nhất. Rõ ràng rằng (xem mục
5.2) với vùng Đại Tây Dương xích đạo và nhiệt đới thì vai trò của những
1) Cấu trúc trường dị thường nhiệt độ mặt đại dương có tính địa đới
nhân tố đã liệt kê khác so với vùng tác động của Gơnstrim, tức các tham
rõ nét và gây bởi dòng bức xạ Mặt Trời;
số mô hình cho vùng này phải khác nhiều và độ xác thực theo mô hình
2) Sự tái phân bố nhiệt chủ yếu do các dòng hải lưu quy mô lớn;
[224] ở đây thấp hơn.
3) Chênh lệch kinh hướng trong phân bố dị thường nhiệt độ mặt đại
Chính vì xuất phát từ những suy luận này mà chúng tôi đã ứng dụng
dương chủ yếu biểu hiện ở những đới tương tác của các dòng hải lưu quy
những mô hình xác suất thống kê khác nhau để xác định khả năng áp
mô lớn.
dụng của chúng vớí những vùng khác nhau của Bắc Đại Tây Dương và
Theo một khối lượng lớn dữ liệu xuất phát, đã phân loại Bắc Đại
biển Na Uy (hình 6.4). Lần đầu tiên nhận được kết quả dự báo với chuỗi
Tây Dương theo tính chất bất đồng nhất không gian của dị thường nhiệt
quan trắc độc lập về dị thường nhiệt độ mặt đại dương từ năm 1981 đến
độ mặt đại dương. Kết quả này, rõ ràng có ý nghĩa quyết định khi chọn
1985 cho một thủy vực rộng lớn như Bắc Đại Tây Dương (162 ô cạnh 5°
mô hình dự báo dị thường nhiệt độ mặt đại dương và ảnh hưởng tới các
kinh vĩ). Độ xác thực dự báo dao động từ 50 đến 80%, tức bằng 50−70%
tham số khả báo của mô hình.
phương sai nhiễu (xem hình 6.4).
Như vậy, cấu trúc thống kê của nhiệt độ mặt đại dương phụ thuộc
Điều lý thú là đối với vùng tác động của hệ thống Gơnstrim − hải
nhiều vào các quy mô không gian − thời gian quan trắc và, chắc chắn
lưu Bắc Đại Tây Dương sai số dự báo bằng các phương pháp thống kê
ảnh hưởng tới tính khả báo cả loại 1 và loại 2. Từ đây trở nên rõ vì sao
xác suất bậc một và bậc hai đã giảm. Kết quả đạt nhất cho vùng này là kết
mô hình Frankiniul − Hasselman [240], trong đó những thành phần cân
quả của mô hình AP − 2 .
bằng nhiệt lớp hoạt động đại dương được dùng làm các tham số biến, là
mô hình khá thành công để chẩn đoán cũng như dự báo điều kiện nhiệt
98
- các phương pháp thống kê xác suất.
Ở Bắc Đại Tây Dương giới hạn này tăng lên đến 2−3 bước, đặc biệt
trong đới tác động của Gơnstrim và hải lưu Bắc Đại Tây Dương. Ở các
phần xích đạo và nhiệt đới, giới hạn khả báo thống kê cực đại không quá
một bước thời gian. Một trong những nguyên nhân của điều này là do
tính không dừng rõ rệt của các chuỗi dị thường nhiệt độ mặt đại dương tại
đây.
Nhiều tác giả [65, 146, 151] cho rằng muốn tăng hiệu quả dự báo
phải giảm phương sai của phần không khả báo của quá trình. Điều này có
Hình 6.5. Những giới hạn tính
thể đạt được bằng nhiều cách: dùng phương pháp lọc hoặc tăng quy mô
khả báo thống kê (tính bằng số
tháng) của các chuỗi dị thường không gian, thời gian lấy trung bình.
Hình 6.6. Dự báo độc lập trường dị thường
nhiệt độ nước mặt trung bình
nhiệt độ nước mặt trung bình tháng ở đông Hiển nhiên là sử dụng phương pháp lọc hoặc tăng quy mô không
tháng ở vùng tích cực năng lượng
bắc Đại Tây Dương tháng 7 năm 1981 với
biển Na Uy theo mô hình đ ộ ng
gian, thời gian lấy trung bình của đặc trưng dự báo sẽ giúp chọn mô hình
thời hạn dự báo 6 tháng
l ự c ng ẫ u nhiên ( d = 0,9)
thích hợp nhất. Tuy nhiên, dưới góc độ thực tiễn, phương pháp này kém
(1− giá trị dự báo, 2− giá trị thực)
hiệu quả vì không cho phép mô tả chi tiết, do đó, không cho phép dự báo
So với dự báo quán tính, kết quả dự báo của ba mô hình về trung
những đặc điểm không gian hay thời gian của quá trình.
bình khá hơn 10−20%. Nhận thấy dự báo quán tính có độ xác thực cao
hơn (tới 80%) ở phần trung tâm Bắc Đại Tây Dương. Có thể cho rằng đó Khi nghiên cứu và dự báo những dao động quy mô lớn của các quá
là do sự bảo tồn dị thường trong xoáy nghịch. Điều tương tự cũng nhận trình hải dương, người ta giả thiết tồn tại một số không nhiều các nhân tố
thấy ở phần phía bắc biển Na Uy, nơi đây các trị số phương sai sai số cực ảnh hưởng có thể theo dõi, giải thích và dự báo được. Vì vậy, biểu diễn
tiểu có vị trí ở trong đới tác động của xoáy nghịch tựa dừng với tâm ở các trường hay các chuỗi đặc trưng hải dương dưới dạng tổng của những
khoảng λ = 2 − 3 E và ϕ = 68 − 69 N . thành phần chính đầu tiên, một mặt sẽ lọc hợp phần nhiễu của quá trình, mặt
khác biểu diễn quá trình dưới dạng tổng của những dao động quy mô lớn.
Một đặc trưng khả báo quan trọng khác là giới hạn thời gian báo
Việc mô phỏng những dao động như vậy bằng các phương pháp thống kê
trước của dự báo ứng với chỉ tiêu chính xác đã cho ε . Từ các biểu thức
xác suất hay thống kê vật lý sẽ hiệu quả hơn so với việc dự báo trực tiếp
(4.8), (4.9) dễ dàng tính τ và dựng sơ đồ không gian thời gian báo trước
chính những đặc trưng đó bằng cùng phương pháp, vì ở trường hợp sau sai
cực đại của dự báo ứng với d ≤ 0,9 (hình 6.5). Đã tính toán như vậy cho
số trong dữ liệu vẫn được bảo tồn. Hơn nữa nếu chỉ sử dụng những mô hình
biển Na Uy (26 ô với cạnh 5° kinh vĩ). Thấy rằng giới hạn khả báo cực
thống kê xác suất một chiều thì không thể đủ do có nhiều mối liên hệ không
đại đối với dị thường nhiệt độ mặt đại dương trung bình tháng là 1,8
gian, thời gian thuận và nghịch tồn tại [120, 142, 146]. Chính trong những
tháng với vùng tác động của xoáy nghịch, hải lưu Na Uy và vùng Fare.
công trình này đã đưa ra kết luận rằng sử dụng các phương pháp dự báo đa
Còn về trung bình, với vùng này thì thời gian báo trước của dự báo bằng
chiều làm tăng hiệu quả dự báo lên 10−20%.
một bước thời gian có thể xem là hoàn toàn tin cậy đối với dự báo bằng
99
- Cải thiện được tính khả báo như vậy là nhờ vai trò của các nhân tố vật ưa nhiệt.
bình lưu trong hệ thống những mối liên hệ không gian của nhiệt độ mặt Dưới đây ý tưởng này được phát triển chi tiết khi phân tích và dự
đại dương. Vai trò của nhân tố này đặc biệt biểu hiện rõ trong kết quả dự báo sinh khối động vật phù du biển Na Uy. Nhìn chung những vùng nào
báo thí nghiệm (hình 6.6). Muốn tính tới những mối liên hệ không gian của biển Na Uy mà ở đó d ≥ 74% (xem hình 6.5) thì tỏ ra thuận lợi nhất
để dẫn tới tăng hiệu quả dự báo thống kê, có thể thực hiện bằng một số cho dự báo.
cách: đưa các mối liên hệ với những điểm lân cận của vùng lưới vào mô Về tính khả báo không cao của các yếu tố hệ thống khí hậu trong khuôn
hình AP như trong [143] đã đề xuất, hay dự báo những thành phần chính khổ các mô hình một chiều tuyến tính đã được chứng minh về lý thuyết trong
đầu tiên tính theo các hàm trực giao tự nhiên của tọa độ ngang, những các công trình [35, 65, 142, 146, 151]. Với khí quyển, tính khả báo là nhỏ
thành phần này mô tả 80% phương sai, như trong [241]. Theo các tác giả, hơn một, hai bước [146], với đại dương − bốn bước [151] tuỳ thuộc vào đặc
phương pháp thứ hai tỏ ra hấp dẫn hơn, vì nó tránh cho người ta phải trưng hệ thống khí hậu, độ gián đoạn quan trắc và quy mô không gian lấy
chọn một cách chủ quan những điểm ảnh hưởng. trung bình.
Như vậy, tăng thời hạn dự báo bằng cách ngoại suy các chuỗi xuất
Những kết quả dự báo độc lập sử dụng khai triển nhân tố dị thường
phát lên hơn hai, ba bước thời gian có lẽ là vô vọng. Dưới góc độ thực
nhiệt độ mặt đại dương ở thủy vực biển Na Uy (hình 6.7) là thí dụ vận
tiễn điều này khá hiển nhiên: ta thường gắn chất lượng dự báo với điều
dụng mô hình đa chiều AP − 1 và phép ngoại suy Bayes bậc một. Vì
kiện sai số dự báo không vượt ra quá 0,674σ hay 0,8σ , tức xấp xỉ tương
khai triển thực hiện theo mặt rộng (ma trận các số liệu xuất phát có kích
ứng với 0,55 và 0,74 phương sai quá trình. Trong khi đó hệ số tương
thước 26×120), nên các tỉ trọng nhân tố phản ánh mối liên hệ của các
quan phải lớn hơn 0,8.
trường trong thời gian.
Mức liên hệ nội tại cao như vậy thường chỉ đảm bảo với bước trễ
Các kết quả dự báo, thực hiện theo mô hình AP − 1 một chiều và đa
bằng một, hoặc tối đa hai bước thời gian [44]. Chính điều này là nguyên
chiều, không cao lắm: độ xác thực theo chỉ tiêu 0,8σ theo mặt rộng
nhân chính làm cho các phương pháp ngoại suy chuỗi thời gian ít phổ
tương ứng bằng 58 và 65%. Độ xác thực theo các mô hình ngoại suy dụng. Ý nghĩa thực tiễn của thông tin dự báo với một, hai bước thời gian
Bayes cao hơn một ít, tuần tự bằng 65 và 73%. Độ xác thực không cao bị không cao.
quyết định nhiều bởi những điều kiện dị thường hình thành vào tháng 2
Theo ý kiến các tác giả, việc vận dụng công cụ phân tích thống kê đa
năm 1984 ở phần phía tây biển Na Uy – suy giảm cường độ hải lưu Đông chiều tạo ra khả năng không chỉ tăng hiệu quả dự báo, mà còn tăng thời
Grinlan (nhiệt độ mặt đại dương tăng lên 2°C). Đồng thời tăng cường hải gian báo trước của dự báo quá trình khí tượng thủy văn bằng các phương
lưu Bắc Đại Tây Dương: nước của hải lưu này xâm nhập vào làm tăng pháp thống kê xác suất.
nhiệt độ mặt ở biển Na Uy lên 0,8°C. Kết quả phân tích cấu trúc thời gian đối với các chuỗi những
Điều quan trọng cần nhận xét là kết quả cụ thể này phản ánh một thành phần chính đầu tiên của các đặc trưng hải dương ai [181,
mối liên hệ đã biết giữa trạng thái nhiệt của các khối nước trong những 240] chỉ ra tính liên hệ nội tại chuỗi cao Rai (τ) ≥ 0,8 , tính ổn định
dòng chảy chính của biển Na Uy và sản lượng sinh học của nó: sự ấm lên của các hàm tự tương quan và tính đúng đắn của các mô men thống
của nước Bắc Băng Dương sẽ tạo thuận lợi cho nước của hải lưu Bắc Đại kê đầu tiên: các ước lượng kỳ vọng toán học và phương sai. Để xác
Tây Dương tiến xa lên phía bắc và phía đông mang theo những thuỷ sinh
100
- định độ ổn định thống kê của các ước lượng phương sai ( σ 2 ) ˆ
những thành phần chính, tính theo dị thường nhiệt độ mặt đại
dương trung bình tháng hoặc theo dị thường nhiệt độ mặt đại
dương trung bình mùa, chúng tôi đã tiến hành phân tích so sánh
theo các chuỗi được xê dịch tương đối so với nhau 12 tháng hoặc 4
mùa. Những trị số trung bình của hiệu Δσ theo các vùng: 22 ô cạnh
5° kinh vĩ và 10 ô cạnh 5° kinh vĩ, tuần tự bằng 0,04°C đối với
trường hợp chuỗi trung bình tháng và 0,03°C đối với trường hợp
chuỗi trung bình mùa, điều này chứng tỏ tính đúng đắn của các ước
lượng (với các trị số trung bình σ22 = 0,54 C và σ20 = 0,47 C ).
ˆ ˆ
Hình 6.8. Những hàm tự tương quan điển hình của hai
thành phần chính đầu tiên của các chuỗi dị thường nhiệt
độ nước mặt trung bình tháng vùng biển Na Uy (a),
Đông Bắc Đại Tây Dương (b), vùng Gơnstrim (c)
Phân tích các đồ thị hàm tự tương quan của các thành phần chính
(hình 6.8) cho phép ước lượng khoảng tương quan cực đại: theo toàn
vùng đông bắc Đại Tây Dương và biển Na Uy (32 ô cạnh 5° kinh vĩ)
khoảng tương quan cực đại bằng 7 tháng với τ(a1 ) và giảm xuống còn 3
Hình 6.7. Phân bố sai số dự báo dị thường nhiệt độ nước mặt
trung bình tháng biển Na Uy tháng 2 năm 1984 bằng những tháng với τ(a5 ) . Thực tế khoảng này chỉ ra giới hạn khả báo cực đại của
phương pháp khác nhau:
dự báo: từ 7 đến 3 tháng.
a − Phương pháp Bayes một chiều, b − Phương pháp Bayes đa
chiều, c − Tự hồi quy một chiều, d − Tụ hồi quy đa chiều
101
- Bảng 6.1. Hiệu quả dự báo dị thường nhiệt độ mặt đại dương Rai (τ) khá cao thì những giá trị dự báo nhiệt độ mặt đại dương có
trung bình tháng và trung bình mùa theo 32 ô ở Bắc Đại Tây
thể biến thiên mạnh trong trường hợp các hàm trực giao không ổn
Dương (chuỗi độc lập từ tháng 1 đến tháng 8 năm 1981)
định. Được biết rằng [115] các hàm trực giao tự nhiên được tính
Thời hạn dự báo Độ xác thực, % Hiệu quả, %
với độ chính xác tới một số thập phân. Vì vậy thay dấu của các hàm
trực giao tự nhiên khi bước trễ của chuỗi bằng 1 và hơn 1 bước thời
1 tháng 88 53
gian có thể dẫn tới tính sai phần đóng góp của thành phần được dự
2 tháng 69 22
báo.
3 tháng 66 9
4 tháng 67 12
Cần đặc biệt lưu ý điều này nếu trong mô hình dự báo dạng (4.1)
5 tháng 81 15
mỗi một dự báo tiếp sau được xem như trị số thực và thủ tục dự báo lặp
6 tháng 69 13
lại cho bước 1, bước 2 và các bước tiếp sau. Trong bảng 6.2 dẫn những
7 tháng 88 2
81 46
1 mùa (I−II) kết quả rất đáng quan tâm: từ bảng này suy ra rằng độ ổn định của các
78 7
2 mùa (III−V)
hàm trực giao tự nhiên khá cao: khi xê dịch các chuỗi tới 60 giá trị
72 3
3 mùa (VI−VIII)
(tháng) so với nhau mà vẫn giữ nguyên những nét chính của bản đồ dị
thường nhiệt độ mặt đại dương trong trường ba hàm trực giao tự nhiên
Bảng 6.2. Ước lượng phần đóng góp (I) và độ ổn định của các hàm trực giao tự nhiên
của dị thường nhiệt độ mặt đại dương trung bình tháng tính theo đầu tiên ở một vùng rất biến động như vùng Gơnstrim.
18 ô 5° kinh vĩ thuộc vùng Gơnstrim (Bắc Đại Tây Dương)
Bảng 6.3. Hiệu quả dự báo dị thường nhiệt độ mặt đại dương trung
I II
bình tháng theo 22 ô 5° kinh vĩ và trung bình mùa theo 10 ô 5° kinh vĩ
k 18
λi λi ở Bắc Đại Tây Dương (chuỗi độc lập từ tháng 1 đến tháng 6 năm 1982
% 1957−1971
i 1976−1981
i =1 i =1
Thời hạn dự báo Độ xác thực, % Hiệu quả, %
1957−1971 1976−1981 X1 X2 X3 X4 X5
0,66 −0,53 0,08 −0,12 0,03
X1
1 33 24 1 tháng 73 28
2 tháng 73 33
0,43 −0,02 0,07 0,46
0,56
X2
2 54 42
3 tháng 61 14
0,48 0,20 0,17 −0,48
0,24
X3
3 68 55
4 tháng 77 9
0,06 −0,71 −0,19 0,02
0,03
X4
4 74 66 5 tháng 77 −3
0,18 −0,10 0,23 −0,32 −0,25
X5
5 80 75 6 tháng 68 0
80 20
1 mùa (I−III)
Đã tiến hành phân tích tương tự với những chuỗi giá trị trung bình
80 20
2 mùa (IV−VI)
mùa dị thường nhiệt độ mặt đại dương. Xác định được giới hạn khả báo
cực đại bằng 1−2 mùa. Độ xác thực dự báo dẫn trong bảng 6.1. Độ xác Như vậy là hiệu quả dự báo với thời hạn báo trước 1−2 bước thời
thực cao ứng với thời hạn dự báo 1−2 tháng và 1 mùa (hơn 80%). gian theo một thủy vực khá lớn được quyết định chủ yếu bởi những tính
Bây giờ ta phân tích một vấn đề rất quan trọng − độ ổn định của các chất của Rai (τ) trong điều kiện giữ nguyên những đặc điểm không gian
hàm trực giao tự nhiên trong tọa độ không gian, vì với những
102
- quy mô lớn của nhiệt độ mặt đại dương. Kết quả dự báo theo sơ đồ này giao tự nhiên tương ứng với tháng cụ thể trong năm.
dẫn trong bảng 6.3. Tiếp theo, khi tính và phân tích dạng của các hàm tự tương quan của
Với tư cách là mô hình dự báo các thành phần chính đã sử dụng mô những hệ số khai triển, điều quan trọng là phát hiện mối liên hệ tương
hình AP bậc N , trong từng trường hợp cụ thể chọn bậc tối ưu theo cực quan ý nghĩa trong biến trình từ năm này sang năm khác của các hệ số
tiểu phương sai sai số [181]. khai triển với bước dịch thời gian bằng 1 năm (bước trễ 1 bước). Khi đó
nếu thấy các hàm trực giao tự nhiên ổn định, chỉ cần dự báo các hệ số
Phân tích hiệu quả dự báo nhiệt độ mặt đại dương theo các mô hình
khai triển bằng một trong những phương pháp thống kê xác suất cho một
một chiều và đa chiều đã cho phép phát hiện những mối liên hệ cao về
bước tương lai.
thống kê (cũng có thể về vật lý) theo không gian cũng như theo thời gian.
Tuy nhiên trong tất cả các trường hợp giới hạn khả báo đều không cao − Rõ ràng, sơ đồ dự báo này, giống như trong trường hợp những hàm
một, hai bước thời gian. Như chúng tôi đã nói, muốn tăng giới hạn này trực giao tự nhiên tọa độ không gian, phụ thuộc nhiều vào độ ổn định của
phải tăng quy mô lấy trung bình theo không gian và đặc biệt theo thời các hàm trực giao tự nhiên trong thời gian và sẽ không dẫn đến sự giảm
gian. Nhưng khi đó lại nảy ra vấn đề độ gián đoạn của giá trị dự báo. tiệm cận độ xác thực từ tháng giêng tới tháng 12 của năm đưọc dự báo,
như trong phương pháp trước hay trong các mô hình tự hồi quy một
Thực vậy, khi dự báo dị thường nhiệt độ mặt đại dương trung bình
chiều. Sai số dự báo trong trường hợp này sẽ phân bố đều bên trong năm
năm cho 1−2 năm sau, chúng ta không thể đưa ra dự báo giá trị trung
được dự báo và bằng chính điều đó sẽ nâng cao độ xác thực dự báo và
bình tháng theo cùng những năm đó, vì ở đây ta chỉ dùng các chuỗi dị
tăng thời gian báo trước từ 1 đến 12 tháng.
thường nhiệt độ trung bình năm. Điều này chỉ ra rằng trong các sơ đồ đa
chiều dự báo thống kê xác suất chỉ tính đến ảnh hưởng cuả các quy mô Những dự báo theo sơ đồ nêu trên đã được thực hiện cho những tập
không gian khác nhau và không tính đến ảnh hưởng các quy mô thời dữ liệu đại biểu tại vị trí các tầu thời tiết I, J và K với thời gian báo trước
gian. Hoàn toàn hiển nhiên rằng ảnh hưởng của chúng lên vùng dự báo sẽ một năm. Trong các bảng 6.4, 6.5 dẫn những đặc trưng thống kê chủ yếu
khác nhau tuỳ thuộc vào những quá trình khí tượng thủy văn quy mô vừa, của các thành phần chính đối với chuỗi giá trị trung bình tháng dị thường
quy mô lớn hay quy mô toàn cầu. nhiệt độ mặt đại dương. Từ những số liệu này rút ra rằng chỉ cần sử ba
thành phần chính đầu tiên để dự báo. Những hàm tự tương quan của
Việc tính tới ảnh hưởng qua lại của các quy mô thời gian khác nhau
chúng cho thấy sự liên hệ nội chuỗi cao khi xê dịch một năm (hình 6.9).
trong các mô hình xác suất cho tới nay thực tế chưa được thực hiện. Vì
Bán kính tương quan thời gian phụ thuộc nhiều vào cấu trúc trường [115]
vây, với mực đích tăng giới hạn khả báo các đặc trưng hải dương, chúng
mà vùng tính của chúng ta nằm trong đó: nếu trường các hàm trực giao tự
tôi thử nghiệm biến thể sơ đồ dự báo đang xét mà không đưa thêm những
nhiên của vùng tham dự vào trường các hàm trực giao tự nhiên của toàn
tham số (tiên lượng) bổ sung. Thực chất của sơ đồ này là tính các hệ số
miền, thì bán kính tương quan thời gian sẽ lớn và nó thuộc các vùng giàu
khai triển những giá trị trung bình tháng của dị thường nhiệt độ mặt đại
thông tin. Cụ thể, đó là các vùng tầu thời tiết J và K (xem hình 6.9), điều
dương theo các hàm trực giao tự nhiên thời gian đối với từng ô của vùng
này phù hợp với những kết luận của công trình [187]. Điều quan trọng là
đồng nhất Bắc Đại Tây Dương. Trong trường hợp này những hệ số khai
phải chứng tỏ những dao động dài hạn phát hiện được không ngẫu nhiên.
triển được tính cho từng năm cụ thể của chuỗi thời gian, còn các hàm trực
Để làm điều đó đã tính những giới hạn tin cậy của hệ số tương quan với
103
- mức ý nghĩa 5%: các thành phần chính được tính theo những giá trị dị thường nhiệt độ
trung bình tháng, trong đó với tầu thời tiết K là lớn nhất: với thành phần
1 1+ r
z= ,
ln
chính thứ nhất − 3 năm, còn với các tầu thời tiết I và J − hơn 2 năm một
2 1−r
chút.
trong đó z − tham số Fisher; σ − sai số bình phương trung bình tính các
hàm tự tương quan r ; τ − bán kính tương quan thời gian, bằng biên Những kết quả này đã cho phép các tác giả thử sơ đồ dự báo dài hạn
dưới của tham số Fisher z − 2σ ≤ 0 . dị thường nhiệt độ mặt đại dương cho các vùng tầu thời tiết. Những kết
quả dự báo độc lập dẫn trong bảng 6.6.
Bảng 6.4. Ước lượng khai triển các chuỗi nhiệt độ nước theo số liệu
các tầu thời tiết I, J, K thành các hàm trực giao tự nhiên thời gian Như vậy, nhờ khảo sát sự biến động nội năm và giữa các năm của dị
thường nhiệt độ mặt đại dương cho phép chúng ta rút ra những kết luận
λi
% k 18
λ λ dự báo như sau:
λi 18
%
i
λ i i
i i =1 i =1
1. Những dao động của dị thường nhiệt độ mặt đại dương trung bình
i =1
tháng, trung bình mùa và trung bình năm ở Bắc Đại Tây Dương và biển
1 6,3 52,9 52,9
Tầu thời tiết I
2 2,5 21,0 73,2 Na Uy được mô tả khá thoả đáng bằng các mô hình thống kê xác suất bậc
3 1,1 9,2 83,1
1 và bậc 2.
4 0,5 4,2 87,3
2. Cấu trúc thống kê của dị thường nhiệt độ mặt đại dương khác biệt
5 0,5 4,2 91,5
6 0,4 3,5 95,0 đáng kể theo thủy vực Bắc Đại Tây Dương và biển Na Uy, làm thay đổi
các sai số dự báo với thời gian báo trước 1 bước trong một phạm vi rộng:
1 4,6 38,7 38,7
Tầu thời tiết J
2 2,1 17,4 56,1 từ 80% tại phần xích đạo và nhiệt đới Bắc Đại Tây Dương và phần phía
3 1,6 13,3 59,4 tây biển Na Uy đến 20% trong hệ thống Gơnstrim − hải lưu Bắc Đại Tây
4 1,2 9,9 79,3
Dương.
5 0,9 7,4 86,7
6 0,6 5,4 92,1 3. Những giới hạn khả báo thống kê tuỳ thuộc nhiều vào quy mô
không gian − thời gian lấy trung bình và mô hình chẩn đoán thống kê xác
1 5,9 39,0 39,0
Tầu thời tiết K
suất được chọn:
2 2,0 20,0 59,0
3 1,6 17,5 76,5
− Khi tăng quy mô lấy trung bình theo thời gian (mùa, năm) giới hạn
4 0,6 6,8 83,3
khả báo bằng 2−3 bước;
5 0,6 5,0 88,3
6 0,4 4,2 92,5 − Khi tăng quy mô lấy trung bình theo không gian (ngoại suy các
thành phần chính theo thủy vực gồm một số ô 5° kinh vĩ) thời gian báo
Nhận thấy rằng, khi r = 0,5 ước lượng τ trở thành cao hơn so với
trước của dự báo tăng tới 4−6 tháng;
thực. Từ bảng 6.5 suy ra rằng giới hạn khả báo thống kê cực đại là chu kỳ
− Dự báo các thành phần chính theo những hàm trực giao tự nhiên
từ 1 đến 3 năm đối với những dao động từ năm này sang năm khác của
thời gian tăng giới hạn khả báo tới 6−8 bước.
104
- 4. Thời gian báo trước cực đại của dự báo dị thường nhiệt độ mặt đại
dương đạt được bằng con đường tối ưu hoá thống kê những mô hình
thống kê xác suất khác nhau.
Hình 6.9. Những hàm tự tương
quan chuẩn hoá của thành Bảng 6.6. Dị thường nhiệt độ mặt đại dương thực và dự báo
phần chính thứ nhất khai triển theo số liệu các tầu thời tiết I, J, K năm 1980
các chuỗi dị thường nhiệt độ
trung bình tháng mặt đại
I J K
dương vùng tầu thời tiết I
Tháng
(1), J (2) và K (3)
Thực Dự báo Sai số Thực Dự báo Sai số Thực Dự báo Sai số
−0,1 −0,1 −0,2
1 0,1 0,4 0,3 0,0 0,1 0,1
−0,4 −0,3
2 0,0 0,4 0,4 0,0 0,0 0,0 0,1
−0,4 −0,5 −0,3
3 0,0 0,3 0,3 0,1 0,5 0,2
Bảng 6.5. Sai số bình phương trung bình tính toán hàm tự tương quan nhiệt độ nước −0,1 −0,1 −0,6 −0,5
4 0,3 0,4 0,2 0,3 0,1
trung bình tháng theo số liệu các tầu thời tiết I, J, K
−0,1 −0,5
5 0,2 0,2 0,0 0,7 0,3 0,4 0,4
−0,1 −0,4 −0,7
6 0,0 0,1 0,0 0,2 0,2 0,3
I J K
σ a1 σ a1 σ a1
ai τ τ σ
2σ z − 2σ
Tầu TT r z
−0,2 −0,1 −0,4 −0,4 −0,5
7 0,1 0,0 0,4 0,1
−0,3 −0,2 −0,2 −1,3 −0,6
8 0,3 0,0 0,0 0,7
a1 1 0,36 0,69 0,85 0,49 1 0,18 0,18 0,11 0,14
I
−0,1 −0,6 −0,7 −0,6
9 0,1 0,2 0,0 0,6 0,1
2 0,32 0,37 0,39 0,07 2 0,18 0,18 0,15 0,11 −0,4 −0,3 −0,6 −0,5
10 0,0 0,4 0,2 0,5 0,1
−0,25
3 0,36 0,11 0,11 3 0,18 0,18 0,17 0,15 −0,2 −0,5 −0,4 −0,1
11 0,0 0,1 0,1 0,3 0,5
−0,1
12 0,4 0,2 0,2 0,5 0,3 0,2 0,0 0,1
1 0,22 0,62 0,72 0,50 4 0,19 0,19 0,19 0,17
J
2 0,30 0,40 0,42 0,12 5 0,19 0,19 0,19 0,18
6.2. DỰ BÁO ĐIỀU KIỆN BĂNG BIỂN BAREN
−0,10
3 0,34 0,21 0,24 6 0,20 0,19 0,19 0,19
1 0,28 0,45 0,43 0,20 7 0,20 0,19 0,19 0,19
K
Điều kiện băng cũng là một đặc trưng hải dương quan trọng. Nó có
2 0,22 0,64 0,76 0,54 8 0,20 0,17 0,19 0,20
vai trò đáng kể hình thành chế độ nhiệt các biển do tính chất cách nhiệt
3 0,30 0,45 0,48 0,18 9 0,21 0,15 0,21 0,20
của băng: mùa lạnh băng làm giảm quá trình nguội lạnh, mùa ấm − ngăn
−0,07
1 0,34 0,26 0,27 10 0,21 0,17 0,20 0,21
I
a2 cản quá trình nung nóng bức xạ. Ngoài ra, các trường băng ảnh hưởng
nhiều tới sản lượng sinh học của biển, vì sự tạo và tan băng làm thay
−0,02
2 0,34 0,30 0,31 11 0,22 0,20 0,21 0,22
đổi độ muối và chế độ ánh sáng lớp trên của đại dương. Vì những
0,36 −0,15 −0,21
1 0,15 12 0,23 0,22 0,22 0,19
J
−0,10
2 0,26 0,16 0,16 13 0,24 0,23 0,23 0,23 nguyên nhân đó và vì điều kiện băng là một chỉ thị về những biến đổi
−0,15
1 0,34 0,19 0,19 14 0,24 0,23 0,23 0,20
K khí hậu, nên dự báo dài hạn điều kiện băng có ý nghĩa thực dụng rất
0,36 −0,09 −0,27
2 0,09 15 0,24 0,20 0,19 0,23 lớn.
105
- Bảng 6.7. Hiệu quả dự báo các dị thường lượng băng trung bình tháng trong đó Li j − giá trị trung bình tháng lượng băng biển Baren, i, j −
biển Baren với thời hạn dự báo 1 tháng theo chuỗi từ 1/1988 đến 12/1989
tuần tự số hiệu năm và tháng, N − số năm của chuỗi, M − số tháng.
Độ xác thực dự báo (%) Mức sai số
Phương pháp Sai số Phương sai
Theo phương pháp luận dự báo các quá trình hải dương (xem
tương đối
dự báo trung bình sai số 0,67σ 0,8σ
Dấu của dự báo chương 4) chuỗi biến đổi ( ΔLi j ) được ngoại suy bằng những mô hình
−0,729
Khí hậu 0,614 8,33 25,00 33,33 1,429 xác suất khác nhau (xem bảng 6.7) nhằm mục đích xây dựng một mô
Quán tính 0,008 0,309 91,67 66,67 70,83 0,720 hình dự báo tổng quát hữu hiệu nhất. Các dự báo thực hiện với thời gian
−0,072
Bayes 0,269 83,33 45,83 58,33 0,626
báo trước 1 tháng cho chuỗi số liệu độc lập từ 1/1988 đến 12/1989, ngoài
Động lực − thống
ra trong mỗi bước dự báo tất cả các tham số của các mô hình được tính
−0,088 0,261 95,83 70,83 70,83 0,616
kê
lại theo thông tin mới.
−0,132
Xác suất 0,259 91,67 70,83 70,83 0,602
Từ bảng này thấy rằng độ xác thực của các dự báo theo các phương
−0,100
AP-1 0,269 91,67 66,67 75,00 0,626
pháp dao động từ 25 đến 71% theo tiêu chuẩn 0,67σ và từ 33 đến 75%
−0,115
AP-2 0,265 95,83 66,67 70,83 0,627
theo tiêu chuẩn 0,8σ . Tối ưu hoá thống kê những mô hình này bằng thủ
−0,123
AP-3 0,270 95,83 66,67 70,83 0,628
−0,388
Fourier 0,356 54,17 45,83 54,17 0,829 tục kết hợp đã nâng chất lượng dự báo: với mô hình hồi quy độ xác thực
−0,188
Trung bình 0,256 91,67 70,83 70,83 0,596 tuần tự bằng 75% và 79% theo các tiêu chuẩn 0,67σ và 0,8σ . Hiệu quả
Kết hợp hồi quy 0,000 0,231 91,67 75,00 79,17 0,539
dự báo − độ xác thực dự báo theo mô hình kết hợp hồi quy vượt hơn so
với dự báo quán tính 8−9%. Giá trị dự báo cuối cùng về lượng băng được
Để xây dựng và kiểm tra những mô hình dự báo một chiều và đa
tính theo thủ tục ngược với (6.1).
chiều đã sử dụng những chuỗi quan trắc về điều kiện băng ở biển Baren:
Nhìn chung, nếu xuất phát từ mức sai số dự báo tương đối biến thiên
diện tích biển trung bình năm, phần diện tích (%) biển bị phủ băng, từ
từ 1,34 đến 0,54, thì có thể kết luận rằng chỉ có mô hình kết hợp hồi quy
năm 1899 đến 1981 và giá trị lượng băng trung bình tháng từ năm 1934
là cho giới hạn khả báo thống kê cao (2−3 tháng) mà thôi. Với những mô
đến 1989.
hình tự hồi quy các bậc 1−3, mô hình xác suất, mô hình Bayes, kể cả mô
Bây giờ chúng ta xem xét những kết quả dự báo độc lập về giá trị
hình kết hợp trung bình, giới hạn khả báo xấp xỉ bằng 1−2 tháng.
trung bình tháng lượng băng (bảng 6.7) bằng các mô hình thống kê một
Lượng băng trung bình năm là một đặc trưng bảo thủ nhất, tức có
chiều. Để loại trừ các thành phần tất định của quá trình tại bước đầu tiên
tính ỳ nhất của hệ thống khí hậu. Việc mô phỏng cấu trúc thống kê của nó
chuỗi xuất phát được quy tâm theo trị số trung bình, sau đó từ chuỗi này
rất quan trọng trong việc tách thành phần chu kỳ dài của quá trình. Vì tập
loại bỏ hài với chu kỳ 12 bước thời gian. Thủ tục này, như đã biết, cho
phép loại trừ xu thế − biến trình năm khổi chuỗi thời gian, còn bản thân mẫu tuân theo luật phân bố chuẩn, ở đây ta hoàn toàn có thể sử dụng
phép phân tích thống kê tham số.
chuỗi trở thành chuỗi các dị thường:
N M M
Giống như trong trường hợp dự báo dị thường nhiệt độ mặt đại
1 1
L L
ΔLi j = Li j − − , (6.1)
ij ij
N×M M dương, việc thực hiện khối dự báo xác suất (hình 0.5) về lượng băng đã
i =1 j =1 j =1
giúp chúng ta có một khẳng định có ý nghĩa phương pháp luận rằng hiệu
106
- − đường cong hàm tự tương quan cắt mức ý nghĩa tại bước trễ hơn 10
quả dự báo sẽ nâng lên nếu sử dụng thủ tục tối ưu hoá thống kê và một số
mô hình dự báo. Tuy nhiên, ở đây các giới hạn khả báo thống kê bị quy năm (xem hình 6.10), nên ở đây không đòi hỏi phức tạp hoá thêm thủ tục
định tuyệt đối bởi mức sai số tương đối của dự báo (công thức (4.7)), sai dự báo, tức không cần tổng hợp các mô hình thống kê. Trong trường hợp
này chỉ cần sử dụng mô hình AP − 1 với những hệ số tự hồi quy tính
số này tăng nhanh khi tăng khoảng thời gian báo trước của dự báo.
theo công thức (6.2). Độ xác thực dự báo độc lập với bước trễ từ 1 đến 3
năm vẫn cao (xem bảng 6.8).
Bảng 6.8. Hiệu quả dự báo những giá trị trung bình năm lượng băng biển Baren
Thời gian báo trước, số năm
1 2 3 4 5 6 7 8 9 10
d theo mô hình (6.2) 0,48 0,69 0,75 0,80 0,83 0,86 0,88 0,90 0,93 0,94
d theo AP − 1 0,48 0,68 0,66 0,84 0,88 0,86 0,88 0,90 0,92 0,88
Độ xác thực, %
theo 0,674σ 95 70 70 55 50 Thấp hơn 50 %
theo 0,8σ 100 85 90 60 55 55 55 Thấp hơn 50 %
Với tiêu chuẩn d = 0,9 theo các công thức (4.8, 4.9) giới hạn khả
báo thống kê cực đại bằng 8−10 năm, với các tiêu chuẩn 0,674 σ và
0,8σ giới hạn này giảm xuống 4−6 năm.
Hình 6.10. Hàm tự tương quan chuẩn hoá của chuỗi lượng băng
ở biển Baren Như vậy, tách ra và dự báo thành phần chu kỳ dài của quá trình có
thể thực hiện một cách khá tin cậy bằng những mô hình xác suất tuyến
Nhằm nhận được các đặc trưng tính khả báo của các giá trị lượng
tính đơn giản bậc nhất. So sánh các kết quả dự báo trị số lượng băng
băng trung bình năm, chúng tôi đã tính hàm tự tương quan và xấp xỉ nó
trung bình tháng và trung bình năm (xem các bảng 6.7, 6.8) cho thấy rằng
bằng một công thức giải tích dạng
sự tăng chất lượng của các mô hình xác suất là do tăng quy mô lấy trung
γ
r (τ) = e − α t cos β τ (6.2)
bình thời gian của quá trình.
với các tham số bằng α = 0,4 , β = π / 38 , γ = 0,4 (hình 6.10). Điều này
Mặc dù những ưu việt rõ ràng của việc tối ưu hoá thống kê các mô
cho phép xác định tính thích hợp về dạng của mô hình giải tích với chuỗi
hình dự báo cũng như của việc tăng quy mô lấy trung bình, ở đây vẫn còn
thời gian xuất phát, xác định phương sai tương đối của sai số dự báo ( d )
một sự bất định − ta không thể dự báo các chuỗi giá trị trung bình tháng
ứng với những thời gian báo trước khác nhau của dự báo và tính giới hạn
và trung bình năm với thời gian báo trước lớn hơn 1−3 bước: thực tế này
khả báo thống kê cực đại (thời gian báo trước) ứng với các tiêu chuẩn về
đặc trưng cho nhiều quá trình khí tượng thủy văn và là do trong các mô
độ chính xác dự báo khác nhau (bảng 6.8). Vì quá trình có quán tính cao
107
- hàm trực giao tự nhiên không thay đổi, chứng tỏ chúng ổn định trên
hình xác suất tuyến tính sai số ngoại suy tăng dần theo thời gian báo
thời kỳ dự báo tới một năm.
trước của dự báo. Vì vậy, mặc dù những thành phần chu kỳ dài của lượng
băng có quán tính lớn, tới 2−3 năm, các dự báo biến động nội trong năm
với thời hạn dự báo hơn 2−3 tháng trở nên không hiệu quả.
Bảng 6.9. Kết quả khai triển lượng băng trung bình tháng biển Baren
theo các hàm trực giao tự nhiên thời gian (số liệu 1946−1989)
Số hiệu Phương sai Phương sai Số hiệu Phương sai Phương sai
thành phần % tích phân, % thành phần % tích phân, %
1 60,6 60,6 7 1,7 97,5
2 14,4 75,0 8 0,9 98,4
3 8,2 83,2 9 0,6 99,0
4 5,8 89,1 10 0,4 99,5
5 4,4 93,5 11 0,3 99,8
6 2,3 95,8 12 0,2 100,0
Giải pháp phương pháp luận đã trình bày trong phần mở đầu sẽ giúp
ta khắc phục nhược điểm này − dự báo những tham số tổng quát có nghĩa
của quá trình (các thành phần chính, các nhân tố khái quát...) đã nhận
được trong quá trình chẩn đoán thống kê về quá trình, tức xây dựng các Hình 6.11. Những giá trị thực đo
mô hình dự báo đa chiều. (1) và dự báo (2) dị thường độ
Hình 6.12. Phân bố sai số dự báo
băng ở biển Baren với thời hạn dự
Bây giờ chúng ta xem xét những kết quả dự báo trị số lượng băng độc lập dị thường độ băng
báo 1 năm
ở biển Baren
trung bình tháng ở biển Baren bằng các mô hình đa chiều kiểu (4.1). Tại
giai đoạn thứ nhất (chẩn đoán), tập số liệu xuất phát được biến đổi bằng
Phù hợp với công thức (4.3) năm thành phần chính đầu tiên của
phương pháp các thành phần chính (bảng 6.9). Năm vectơ riêng đầu tiên −
lượng băng trung bình tháng được ngoại suy qua 1 bước (năm) tương lai
chứa hơn 90% tổng phương sai, được chọn làm các tham số đủ để mô tả
bằng cách sử dụng thủ tục tối ưu hoá thống kê các mô hình xác suất (xem
quá trình đa chiều.
công thức (4.5)). Việc khôi phục những trị số xuất phát cho phép lập dự
Như đã thấy trong mục 6.1 trên các thí dụ dự báo dị thường báo độc lập lượng băng biển Baren với thời gian báo trước 12 tháng.
nhiệt độ mặt đại dương, điều kiện quan trọng để dự báo một cách Trong trường hợp tổng quát, thời gian báo trước của dự báo bị quy định
có hiệu quả theo mô hình thống kê đa chiều dạng (4.2) là tính ổn bởi giới hạn khả báo thống kê của các thành phần chính lượng băng, bằng
định của các hàm trực giao tự nhiên tính theo không gian hoặc theo 2−3 năm, hay 24−36 tháng. Vì vậy, với những mục đích dự báo nền thì
thời gian. Với lượng băng, việc kiểm tra điều kiện này đã thực hiện các tính toán với thời gian báo trước như vậy và độ phân giải moọt tháng
tương tự: khi thêm thông tin mới vào dữ liệu xuất phát, cấu trúc các hoàn toàn hiện thực. Thủ tục tính trước lượng băng ở đây giữ nguyên
108
- (59%), 1981, 1983 và 1984 (67%), những năm này ứng với các giá trị cực
(xem công thức (4.2)); chỉ có các trị số của các thành phần chính được dự
trị của hệ số khai triển thứ nhất của lượng băng. Độ xác thực dự báo cực
báo là biến đổi trong khi các vectơ riêng không đổi. Trong thực tế có thể
đại bằng 100% ở năm 1980 và 1986 theo tiêu chuẩn 0,8σ . Trong những
dự báo những quá trình với quy mô khác nhau bằng các mô hình thống kê
năm này trị số của các thành phần chính xấp xỉ giá trị chuẩn, giống như
đa chiều.
các năm 1974, 1975, 1982, 1985, khi này độ các thực dự báo đạt 91%.
Trên các hình 6.11 và 6.12 thể hiện những thí dụ dự báo độc lập và
Nhìn chung, độ xác thực trung bình của dự báo từ năm này tới năm
phân bố sai số của 204 dự báo độc lập lượng băng từ năm 1973 đến 1989.
khác bằng 81%, còn từ tháng sang tháng bằng 82%, khá thoả mãn những
Nét đáng chú ý ở đây là cấu trúc mùa của dị thường lượng băng đã được
yêu cầu đối với các dự báo khí tượng thủy văn dài hạn [61, 65]. Một trong
mô tả rất khá về chất lượng và định lượng. Theo chúng tôi, đó là ưu việt
những kết luận chính rút ra qua phân tích kết quả dự báo độc lập lượng
chính so với các mô hình một chiều dự báo trực tiếp những chuỗi xuất
băng biển Baren là: ứng dụng các mô hình thống kê đa chiều có lợi thế
phát. Trong trường hợp này dạng của đường cong dự báo lặp lại tất cả
đáng kể cả về mức hiệu quả lẫn về thời gian báo trước của dự báo so với
những đặc điểm của quá trình biến thiên, nhưng hình như bị trễ một bước
trường hợp dự báo bằng những mô hình thống kê một chiều. Ở đây giải
so với những giá trị thực (hình 6.13). Vì vậy, ưu việt thứ hai của mô hình
quyết được hai vấn đề khó nhất: a) Phát triển được những sơ đồ dự báo cho
đa chiều là mô tả (dự báo) một cách đồng pha những giá trị cực trị khí
các quá trình quy mô khác nhau (về thời gian hay không gian) trong khuôn
hậu, chứ không phải ngẫu nhiên, trong biến động mùa của lượng băng.
khổ một mô hình dự báo đa chiều; b) Đạt được phân bố sai số dự báo, cũng
Cuối cùng, ưu việt thứ ba − tăng thời gian báo trước của dự báo. Trong
tức là các đặc trưng chất lượng dự báo, tương đối đều trên toàn khoảng dự
đó sai số dự báo không tăng tỉ lệ thuận với thời hạn dự báo (hình 6.12), vì
báo.
nó phân bố tuỳ thuộc vào độ ổn định của các vectơ riêng (các hàm trực
giao tự nhiên) từ tháng này sang tháng khác. Nếu phân tích các sai số dự
báo tính bằng hiệu giữa lượng băng dự báo ( ΔLΠp ) và lượng băng thực
( ΔLΦ ), ta nhận thấy những đặc điểm: a) Các sai số dự báo phân bố tương
đối đều đặn trên toàn khoảng dự báo độc lập; b) Những trị số sai số cực
đại rơi vào các tháng mùa xuân và mùa đông, những sai số nhỏ nhất − các
tháng mùa hè và mùa thu.
Những đặc điểm này được quy định nhiều bởi cấu trúc của những
vectơ riêng (những hàm trực giao tự nhiên) chịu trách nhiệm mô tả sự
biến thiên nội năm của lượng băng, và sự biến động từ năm này sang năm
khác của các thành phần chính đầu tiên ảnh hưởng tới phân bố sai số giữa
các năm (hình 6.14). Độ xác thực trung bình theo toàn khoảng dự báo
bằng 82%. Độ xác thực trung bình tháng là ổn định nhất (hình 6.14b),
điều này gián tiếp khẳng định về sự ổn định của các vectơ riêng.
Ta nhận thấy độ xác thực dự báo giữa năm này và năm khác biến Hình 6.13. Biến động các chuỗi dị thường nhiệt độ trung bình tháng lớp nước
0−200 m tại kinh tuyến Kolsky [44]
thiên nhiều hơn (hình 6.14a). Những trị số nhỏ nhất rơi vào năm 1979
109
- ϕ = 60 N đến ϕ = 75 N và từ λ = 15 W đến λ = 15 E .
Hình 6.14. Độ xác thực Sự lựa chọn bước lấy trung bình không gian đối với các trường sinh
P (%) dự báo dị thường
khối tuân theo mức gián đoạn của các số liệu khí tượng thủy văn lịch sử
năm (a) và mùa (b) của
thu thập cho vùng thủy vực Bắc Âu do Trung tâm Dữ liệu Thế giới, Viện
lượng băng ở biển Baren
Nghiên cứu Khoa học Thông tin Khí tượng Thủy văn Liên bang quy định
và phù hợp với [46]. Sự tương đồng như vậy tạo khả năng phân tích so
sánh những trường hải dương học và sinh học.
Trong điều kiện đó, có thể hiểu được vai trò của động lực nước đại
dương thủy vực Bắc Âu trong sự biến động chế độ nhiệt lớp trên của biển
6.3. DỰ BÁO PHÂN BỐ KHÔNG GIAN CỦA PHÙ DU SINH VẬT
Na Uy và phân bố không gian sinh khối phù du sinh vật. Việc hiện thực
Ở BIỂN NA UY
hoá các phương pháp phân tích thống kê đa chiều − phân tích nhân tố và
Do sự quan tâm ngày càng cao đối với đại dương như một nguồn tài phân tích nhóm (cluster analysis) − đã cho phép nhận được một số tham
nguyên sinh vật chủ yếu mà vấn đề xây dựng những mô hình toán mô tả số (nhân tố) tổng quát phản ánh những đặc điểm quy mô lớn quan trọng
sự tiến triển các đặc trưng thủy sinh học trở nên cấp thiết. trong sự biến động sinh khối sinh vật phù du và các đặc trưng hải dương
Với tinh thần đó, trong công trình này sẽ nghiên cứu những quan hệ (hình 6.15).
giữa các quá trình hải dương và sản lượng sinh học nước biển Na Uy. Tài
liệu để phân tích là những số liệu quan trắc về sinh khối phù du sinh vật
tại những mặt cắt hải văn chuẩn ở biển Na Uy từ năm 1968 đến 1984
trong các chuyến khảo sát tổng hợp thực hiện vào tháng sáu mỗi năm
[174]. Ở đây công cụ chính để thực hiện phân tích là những phương pháp
thống kê đa chiều.
Tại giai đoạn thứ nhất, toàn bộ thông tin xuất phát được xử lý sơ bộ
nhằm mục đích khôi phục những khoảng trống quan trắc và lọc các sai
số. Những bài toán này được giải quyết bằng cách xây dựng mô hình hồi Hình 6.15. Phân bố không gian của ba nhân tố chung đầu tiên khai triển các
trường sinh khối phù du sinh vật ở biển Na Uy
quy đa thức đối với mỗi từng trường sinh khối phù du sinh vật. Những
giá trị sinh khối được biểu diễn bằng hàm bậc m của vĩ độ và kinh độ. Nhân tố chung thứ nhất mô tả 30% tổng phương sai các trường sinh
khối khôi phục. Nhân tố này tập trung tại trung phần biển Na Uy và trải
Bậc tối ưu của mô hình được chọn bằng cách so sánh thử các hàm bậc từ
dài từ phía tây nam lên phía đông bắc, tại đây nó biểu lộ rõ nét cấu trúc ổ.
1 đến 7 theo phương pháp bình phương tối thiểu. Kết quả là tất cả các
Nếu so sánh cấu trúc không gian của nhân tố chung thứ nhất (hình 6.15a)
trường được thể hiện qua những giá trị sinh khối phù du sinh vật khôi
phục được tại các điểm nút của một miền lưới có bước 2° kinh vĩ tuyến từ và nhân tố chung thứ nhất của các đặc trưng hải dương (xem hình 5.9), dễ
dàng đi đến kết luận về sự phù hợp định tính của chúng: các ổ biến động
110
- phù du sinh vật và các đặc trưng hải dương thực tế phân bố hoàn toàn hai của sinh khối phù du sinh vật (xem hình 6.15b). Do đó, trong trường
trong đới front (xem hình 5.12). Ổ trung tâm nằm ở vĩ độ 66−68°N trong hợp này có thể chỉ ra nguyên nhân hình thành các ổ sinh khối, liên quan
dải phân cách luồng hải lưu Na Uy [46] và vùng hội tụ nước nguồn gốc tới chế độ động lực địa phương của nước biển. Tuy nhiên ở đây sự tương
Đại Tây Dương và Bắc Cực. Ổ phía nam của nhân tố chung thứ nhất của tác diễn ra giữa các loại nước "mặn" của hải lưu Na Uy và các loại nước
sinh khối phù du sinh vật nằm ở vùng eo biển Fare − Setlen, nơi đây nước lợ thềm lục địa Scanđinavi. Biến động của trường độ muối là chỉ thị gián
của các hải lưu Bắc Đại Tây Dương và Na Uy gặp gỡ với nước của hải tiếp về sự hình thành sinh khối ở đới ven bờ Scanđinavi.
lưu Đông Aixơlen, hình thành nên nhánh Fare − Aixơlen mạnh mẽ của Các nhân tố thứ ba, thứ tư và thứ năm của khai triển sinh khối phù
đới front cực. du sinh vật mô tả những lượng phương sai xấp xỉ bằng nhau và tổng cộng
Như vậy, sự hiện diện của các đới front phát triển là điều kiện cần gần bằng 10%. Cấu trúc không gian của chúng khá giống nhau và đặc
thiết hình thành các ổ phát triển mạnh phù du sinh vật trong lớp trên của trưng bởi sự hiện diện nhiều ổ quy mô vừa, đường kính không quá 300
biển Na Uy. Sự tương phản nhiệt giữa các loại nước Bắc Băng Dương và km (xem hình 6.15c). Trong phân bố của nhân tố thứ ba có thể nhận ra
Đại Tây Dương sẽ đặc trưng đơn trị cho vị trí và cường độ của front cực một ổ ở phía tây bắc (xem hình 6.15c), cũng trùng hợp về trường với
và, do đó, quyết định những điều kiện xuất hiện các ổ phát triển phù du nhân tố chung thứ ba của khai triển các đặc trưng hải dương (xem hình
sinh vật liên hợp trong không gian. 5.9). Phép so sánh vừa rồi là cơ sở cho kết luận về sự biến thiên liên hợp
của cường độ hải lưu Đông Aixơlen và sự tăng cường các ổ phát triển
Vào mùa đông, đới front nằm ở phía tây kinh tuyến số không, còn
sinh khối quy mô vừa.
trong các mùa chuyển tiếp nó lan rộng sang phía đông dọc theo vĩ tuyến
62°. Nhập lưu nước từ Đại Tây Dương trong mùa thu định vị trong nhánh Kết cục là những kết quả phân tích thống kê đã dẫn minh họa một
phía đông hẹp của hải lưu Na Uy nằm trong đới gần bờ Scanđinavi. cách trực quan về tính nhất thể của các quy luật cơ bản đã phát hiện trong
phân bố không gian các đặc trưng hải dương và sinh học. Điều đó cho
Vùng ảnh hưởng của nhân tố chung thứ hai của khai triển sinh khối
phép đề ra một giả thiết có tính thực dụng về cơ chế vật lý khả dĩ hình
chỉ gồm phần phía đông của biển Na Uy (xem hình 6.15b). Ảnh hưởng
thành những biến thiên cấu trúc quy mô lớn của các trường sinh khối phù
của nhân tố này lan rộng tới dải bờ Scanđinavi (200−400 hải lý). Nhân tố
du sinh vật của biển Na Uy.
này cũng có cấu trúc ổ thể hiện rõ. Kích thước các ổ khoảng 300 km. Địa
điểm ngự trị chính của chúng dọc bờ Scanđinavi gián tiếp cho thấy sự Khi phân tích sự biến động nội năm của vị trí đới front ta nhận thấy
một thực tế rất lý thú − sự hiện diện hai trạng thái khí hậu bền vững của
phát triển mạnh mẽ của các quá trình tương tác giữa hải lưu Na Uy và các
loại nước ven bờ, các dòng nước lợ lục địa. Được biết rằng dọc thềm lục toàn bộ tập hợp các đặc trưng vật lý thủy văn ở biển Na Uy. Trạng thái
thứ nhất − gia tăng trao đổi nước với Đại Tây Dương, khi đó hệ thống các
địa Scanđinavi hình thành nhiều dải gọi là front ven bờ [189]. Građien độ
muối góp phần chủ yếu hình thành nên chúng. dải front ở nam phần biển Na Uy có định hướng phát triển dọc kinh tuyến
(điều này thường diễn ra nhất vào các mùa đông và hè). Trạng thái thứ
Nhân tố chung thứ hai của các quá trình hải dương phản ánh vai trò
hai − giảm thiểu trao đổi nước với Đại Tây Dương, biểu hiện ở vị trí
građien độ muối ở dải thềm Scanđinavi (xem hình 5.9). Phân bố không
hướng địa đới của nhánh Fare − Setlen trong đới front cực và front ven
gian của nhân tố này khá trùng hợp với cấu trúc của nhân tố chung thứ
bờ Scanđinavi vào mùa xuân và mùa thu. Như vậy là hai lần trong một
111
- năm, trong cấu trúc không gian các trường động lực, nhiệt muối và, rõ front cực, đới ven bờ Scanđinavi và trong các khối nước của các hải lưu
ràng cả các trường sinh học, có sự cường hoá các građien kinh hướng của Đại Tây Dương và Đông Aixơlen (hình 6.16).
các đặc trưng hải dương học nghề cá đồng thời với sự gia tăng các quy
mô biến động ngang hướng.
Ngược lại, khi suy giảm trao đổi nước sẽ diễn ra quá trình tăng
tương phản đới trên nền gia tăng số lượng các ổ dị thường địa phương
Hình 6.16. Phân vùng biển Na Uy
(với đường kính 100−300 km). Sự chuyển tiếp từ một trạng thái sang theo kết quả phân loại độ biến động
nhiều năm sinh khối phù du sinh vật
trạng thái khác diễn ra rất nhanh, thực tế đột ngột từ mùa sang mùa (xem
(ký hiệu các vùng 1−3 với trị số sinh
hình 5.12). Điều này cho phép giả thiết "hiệu ứng chuyển mạch" như là khối cực đại của lớp tương ứng)
cơ chế quy mô lớn chủ yếu gây nên những biến thiên cấu trúc của các
trường mùa sinh khối phù du sinh vật.
Cơ chế này cho phép giải thích những dao động đột ngột giữa các
năm quan sát thấy trong phân bố nền của các đặc trưng nhiệt muối và
sinh học, điều không thể làm được dưới góc độ các mô hình liên tục theo Sự ổn định của các lớp đã được kiểm tra bằng phương pháp phân
thời gian. tích phân biệt tuyến tính [188], tức xây dựng hàm phân biệt tuyến tính
Phải nhấn mạnh rằng tháng sáu vẫn được hiểu là tháng chuyển tiếp phân tách các lớp và ước lượng những chỉ số phân biệt lớp.
từ mùa xuân sang mùa hè đối với những loại quá trình khí quyển cơ bản Trên cơ sở những kiểu trường chia ra, đã lập danh mục các lớp phân
và cấu trúc thẳng đứng nước biển Na Uy [7]. Vì vậy thậm chí những dao bố không gian của sinh khối phù du sinh vật. Nguyên tắc lập danh mục
động không lớn của các tham số hệ thống khí hậu Bắc Bán Cầu có thể khá đơn giản – mỗi trường sinh vật phù du được so sánh định lượng với
dẫn tới sự biến động đột ngột của các trường phù du động vật trong thời từng lớp trong ba lớp và sự khác biệt nhỏ nhất giữa trường quan trắc và
kỳ khảo sát đợt tháng sáu, khi đó diễn ra sự tái thiết có tính địa phương, lớp là căn cứ để gán cho trường đó một số hiệu lớp tương ứng.
mạnh mẽ của tất cả các quá trình từ mùa xuân sang mùa hè và toàn bộ hệ
Phép phân tích các lớp nhìn chung khẳng định giả thiết "hiệu ứng
thống sinh thái biển Na Uy sẽ nhạy cảm nhất đối với sự tác động từ bên
chuyển mạch" đã đề xuất. Lớp 1 (xem hình 6.16) tương ứng với các tình
ngoài.
huống phát triển mạnh sinh khối phù du sinh vật, còn lớp 2 đặc trưng cho
Với quan điểm đó, những trường không gian của các nhân tố chung các thời kỳ sinh vật phù du kém phát triển.
đầu tiên thực chất sẽ phản ánh những cấu trúc điển hình cơ bản trong
Điều quan trọng là phép phân loại này phản ánh không những các
phân bố phù du sinh vật ở biển Na Uy. Để khẳng định điều này, đã tiến
quy luật chung phân bố nền của sinh khối sinh vật phù du, mà cả những
hành phân loại các trường sinh khối khôi phục trong không gian các nhân
đặc điểm cấu tạo không gian các trường.
tố chung. Kết quả nhận được ba lớp, những lớp này thâu tóm sự biến
Với lớp 1 điển hình là các ổ giá trị sinh khối cực đại quy mô lớn
động phân bố sinh khối phù du sinh vật chủ yếu tại các ổ cơ bản: đới
300−500 km, vị trí chúng phù hợp về định tính với phân bố các dải front
112
nguon tai.lieu . vn