Khí hậu Hưng Yên mang đặc điểm chung của vùng Đồng bằng sông Hồng. Chịu ảnh hưởng của khí hậu nhiệt đới gió mùa, nóng ẩm, nhiều nắng, mùa đông lạnh và có bốn mùa rõ rệt [xuân, hạ, thu, đông].
- Nhiệt độ trung bình hàng năm là 23,20C, nhiệt độ cao nhất là 40,400C [tháng 6-1939] và tổng nhiệt độ trung bình năm là 85.000 - 86.000Cal. Giữa hai mùa trong năm, biên độ nhiệt thường là 130Cal.
- Mưa: Lượng mưa trung bình dao động trong khoảng 1.500 - 1.600mm. Lượng mưa phân bố không đều trong năm, tập trung tới 80 - 85% vào mùa mưa [từ tháng 5 đến tháng 10] dưới hình thức mưa giông [nhất là vào tháng 6 -7]. Mùa khô lạnh [từ tháng 11 đến tháng 4 năm sau] có mưa phùn, trồng được nhiều loại cây ngắn ngày, do đó vụ Đông cũng trở thành vụ chính. Độ ẩm không khí trung bình năm là 86%, tháng cao nhất là 92%, tháng thấp nhất là 79%.
- Số giờ nắng trung bình hàng năm khoảng 1.400 giờ [116,7 giờ/tháng], trong đó từ tháng 5 đến tháng 10 trung bình 187 giờ nắng/tháng, từ tháng 11 đến tháng 4 năm sau trung bình 86 giờ nắng/tháng. Khí hậu Hưng Yên có 2 mùa gió chính: gió mùa Đông Bắc [từ tháng 9 đến tháng 2 năm sau], gió mùa Đông Nam [tháng 3 đến tháng 5].
- Lượng bốc hơi trong toàn năm ở Hưng Yên từ 700 đến 900 mm, thấp nhất là ở thành phố Hưng Yên và tăng dần lên các huyện phía Bắc. Mùa hè lượng bốc hơi nhiều, chiếm 55 đến 60% lượng bốc hơi cả năm. Tháng có lượng bốc hơi lớn nhất là tháng 6, 7 và nhỏ nhất là tháng 3.
- Gió: Hướng gió trong một năm biến đổi và thể hiện theo mùa của hoàn lưu. Các tháng giữa mùa đông, gió Bắc, Đông Bắc và Tây Bắc chiếm tần suất từ 40 đến 65%, trong đó hướng Bắc xuất hiện nhiều hơn cả. Tuy vậy, trong mùa đông gió Đông Nam vẫn có tần suất lớn [đầu mùa 15 đến 25%, giữa mùa 25 đến 45%, cuối mùa 50 đến 65%]. Về mùa hạ gió Đông Nam lại thịnh hành với tần suất 32 đến 65%. Ngoài ra, gió Tây Nam tuy xuất hiện với tần suất 5% nhưng có ảnh hưởng xấu tới người, cây trồng và vật nuôi vì tính chất khô nóng.
- Bão và áp thấp nhiệt đới: Hưng Yên không tiếp giáp với biển, không bị bão đổ bộ trực tiếp, do vậy sức gió khi vào đến Hưng Yên đã giảm đi đáng kể. Tuy vậy, tốc độ gió trong cơn bão có năm tới 35 m/s. Mưa to do ảnh hưởng của bão gây ngập lụt khá nghiêm trọng, lượng mưa do bão chiếm tỷ trọng lớn tới 15 đến 20% tổng lượng mưa cả năm, tháng 8 lượng mưa do bão chiếm tới 30 đến 50% tổng lượng mưa tháng. Năm 2020 tỉnh Hưng Yên bị ảnh hưởng bởi 2 cơn bão trong tháng 8 và tháng 10.
Cùng với đất đai, điều kiện khí hậu và thời tiết như vậy thuận lợi cho việc trồng trọt và chăn nuôi nhiều loại cây, con có nguồn gốc nhiệt đới và cận nhiệt đới. Tuy vậy, cũng cần lưu ý một số hạn chế trong chế độ khí hậu: mùa mưa tập trung vào một thời gian ngắn nên dễ gây úng ngập nội đồng và thường kèm theo bão. Thời kỳ mùa lạnh cũng xuất hiện những đợt rét hại [nhiệt độ xuống dưới 100C] ảnh hưởng tới sinh trưởng của cây trồng và đàn gia súc. Do vậy, đòi hỏi phải chú trọng cơ cấu mùa vụ, cây trồng và các biện pháp kỹ thuật phù hợp để hạn chế những yếu tố bất thuận và phát huy tốt nhất những thuận lợi của nguồn tài nguyên khí hậu nhằm nâng cao hiệu quả sản xuất.
Hệ thống dự báo mùa được xây dựng dựa trên các phương pháp thống kê tuyến tính và phi tuyến, với nhân tố dự báo là các chỉ số dao động khí hậu quy mô lớn cung cấp kết quả dự báo các yếu tố khí hậu nhiệt độ, lượng mưa và một số yếu tố khác, trong thời hạn dự báo 3 tháng. Kết quả cung cấp thông tin hữu ích, giúp dự báo viên trong công tác dự báo nghiệp vụ và nâng cao chất lượng dự báo khí hậu mùa.
Trong bối cảnh biến đổi khí hậu, tác động của ấm lên toàn cầu, các điều kiện thời tiết/khí hậu cực đoan ngày càng gia tăng như: số lượng bão giảm đi, nhưng số lượng bão mạnh tăng lên; vị trí hình thành bão có xu hướng dịch ra xa xích đạo; gia tăng các hiện tượng mưa lớn, lũ lụt, nắng nóng, hạn hán. Sự thay đổi phá vỡ tính quy luật này gây nhiều khó khăn hơn đối với công tác dự báo khí hậu. Đến nay, các phương pháp/công nghệ dự báo khí hậu tại Việt Nam cũng đã phát triển kịp với xu thế phát triển chung của thế giới. Một số phương pháp dự báo khí hậu mùa đang sử dụng như: hệ thống mô hình khí hậu động lực: clWRF, RSM và RegCM. Ngoài ra, một số cách tiếp cận khác cũng được sử dụng phổ biến như: khai thác trực tiếp sản phẩm dự báo của các mô hình khí hậu toàn cầu hoặc các phương pháp thống kê truyền thống với nhân tố dự báo là các trường nhiệt độ bề mặt biển. Tuy nhiên, do tính chất phức tạp của bài toán khí hậu như đã đề cập bên trên, cần có những cách giải khác để cung cấp thêm cái nhìn đa chiều về bài toán dự báo.
Trong khi đó, kết quả của các bài báo khoa học trên thế giới đã cung cấp những chứng cớ quan trọng về quan hệ giữa các dao động khí hậu quy mô lớn với biến động của các yếu tố thời tiết/khí hậu tại một khu vực địa lý cụ thể. Chẳng hạn, ENSO [El Niño–Southern Oscillation] là hiện tượng tương tác giữa đại dương và khí quyển có chu kỳ lặp từ 2 – 8 năm, ảnh hưởng nhiều đến khí hậu khu vực nhiệt đới như hoạt động mưa và bão trong biển Thái Bình Dương. MJO [Madden Julian Oscillation] là dao động lan truyền từ tây sang đông ở khu vực nhiệt đới, với chu kỳ 30-90 ngày, được đặc trưng bởi 2 pha [khô và ẩm]. Pha ẩm [khô] hoạt động thì sẽ có nhiều [ít] mưa và bão. Điều này ngụ ý rằng, có thể sử dụng các chỉ số dao động khí hậu quy mô lớn như các nhân tố tiềm năng để phục vụ bài toán xây dựng dự báo.
Vì vậy, nghiên cứu hướng tới xây dựng một hệ thống dự báo bằng các phương pháp thống kê, hướng tới sử dụng các dao động khí hậu quy mô lớn là các nhân tố dự báo. Cụ thể, đề tài đã xây dựng được mô hình thống kê gồm 2 thành phần tuyến tính và 10 thành phần phi tuyến, các nhân tố dự báo sử dụng là bộ các chỉ số dao động khí hậu quy mô lớn. Hệ thống các phương án dự báo với 12 thành phần như vậy sẽ có những hỗ trợ cho nhau, giúp cho dự báo viên có thêm nhiều lựa chọn. Ngoài ra, kết quả phân tích từ đề tài cũng tăng cường hiểu biết cho dự báo viên về cơ chế vật lý, những quan hệ có thể giữa một số yếu tố khí hậu khu vực Việt Nam và các dao động quy mô lớn. Cụ thể, biến động của số ngày nắng nóng, ngày bắt đầu mùa bão với các yếu tố quy mô lớn.
Hệ thống dự báo
Số liệu: Số liệu các yếu tố nhiệt độ, lượng mưa, số ngày rét đậm/rét hại [SNRĐ/SNRH], số ngày nắng nóng [SNNN] trên lãnh thổ Việt Nam. Số liệu các chỉ số khí hậu: gồm 21 chỉ số khí hậu, đại diện cho biến động của hoàn lưu chung khí quyển/đại dương quy mô lớn: Các chỉ số Nino, SOI, ONI, DMI,…
Phương pháp: Phương pháp phân tích thành phần chính [PCA], Phương pháp phân tích tương quan Cannon [CCA], Phương pháp k điểm gần nhất [kNN], Phương pháp mạng thần kinh nhân tạo
Cấu trúc mạng, dữ liệu đầu vào, các lớp ẩn, đầu ra, các node [hình tròn].
Hệ thống dự báo
Phương án tuyến tính bao gồm 2 phương án:
- Phân tích thành phần chính kết hợp với hồi quy tuyến tính
- Phân tích tương quan Cannon kết hợp với hồi quy tuyến tính
Phương án phi tuyến gồm 10 phương án: Hồi quy KNN [k – điểm gần nhất] và Mạng thần kinh nhân tạo [NNs]: gồm 9 phương án.
Sơ đồ hệ thống dự báo mùa
Một số kết quả
Nhiệt độ trung bình
Hệ số tương quan đánh giá kỹ năng dự báo của 12 thành phần dự báo thử nghiệm cho yếu tố nhiệt độ trung bình 3 tháng mùa chính đông [tháng 12-1-2]. Hệ số tương quan tính toán trong thời kỳ dự báo phụ thuộc 1981-2015 cho thấy kỹ năng dự báo nhiệt độ tương đối đồng đều trên các phân vùng khí hậu khác nhau, và giữa các thành phần dự báo, hệ số tương quan dao động trên mức 0.5 cho hầu hết các thành phần.
Tổng lượng mưa tháng 6-7-8
Hình dưới đây chỉ ra hệ số tương quan đánh giá kỹ năng dự báo của 12 thành phần dự báo thử nghiệm cho yếu tố lượng mưa mùa 3 tháng [tháng 6-7-8]. Hệ số tương quan tính toán trong thời kỳ dự báo phụ thuộc 1981-2015 cho thấy kỹ năng dự báo lượng mưa có xu hướng trội hơn ở một số thành phần, như LM, BR, RP, SCG, CGB, CGF, CGP, OSS. Trong khi kỹ năng dự báo kém hơn ở một số thành phần khác như: BFG, PCR, CCA, KNN. Như vậy, có thể thấy, các thành phần dự báo cùng nhau tồn tại, sẽ giúp bổ sung lẫn nhau, có thể mang lại giá trị nhất định cho bài toán dự báo.
Hệ số tương quan đánh giá cho thời kỳ dự báo 1981-2015 của 12 thành phần dự báo cho nhiệt độ trung bình tháng 12-1-2.
Hệ thống chương trình phân tích và dự báo thống kê kèm theo quy trình dự báo dựa trên các phương pháp thành phần chính [PCR], tương quan Cannon [CCA] và “k” điểm gần nhất [kNN]. Ngoài ra, hệ thống cũng bao gồm thêm 9 phương án giải phi tuyến dựa trên mạng thần kinh nhân tạo [NNs]. Với tổng thể 12 thành phần dự báo [2 tuyến tính và 10 phi tuyến] có thể cung cấp thông tin đa dạng, giúp dự báo viên có nhiều phương án lựa chọn trong bài toán dự báo mùa.