Tương lai của mô hình khí hậu: Định hình những con đường mới cho một thế giới nóng lên

Cò Trắng

16-09-2025

Kingfisher is unsure if he is too worried, but every time he counts the fish in the pond, the number of fish seems to decrease. The hot and stressful weather also makes his feathers molt and grow slower. The situation seems life-threatening!

In “GHG Emissions”; Wild Wise Weird [1]

© Neda Astani

Mô hình khí hậu là nền tảng trong việc hiểu về hiện tượng nóng lên toàn cầu. Từ những năm 1960, khi chúng lần đầu tiên xác nhận rằng khí nhà kính làm Trái Đất nóng lên, các mô hình đã phát triển từ những mô phỏng khí quyển đơn giản thành Mô hình Hệ thống Trái Đất (ESMs), tái hiện sự tương tác phức tạp giữa khí quyển, đại dương, băng và sinh quyển [2,3]. Các công cụ này giữ vai trò trung tâm trong Dự án So sánh Mô hình Liên hợp (CMIP) cũng như các đánh giá khí hậu quốc tế, định hướng chính sách và chiến lược thích ứng toàn cầu.

Tuy nhiên, mô hình khí hậu ngày nay đang ở ngã rẽ. Dù đã có nhiều tiến bộ trong nhiều thập kỷ, các mô hình hiện tại vẫn gặp khó khăn về độ chính xác khu vực, độ phân giải còn thô và những sai lệch như sự không khớp trong xu hướng nhiệt độ bề mặt biển Thái Bình Dương nhiệt đới [3]. Đồng thời, các công nghệ mới—từ mô hình quy mô kilômét đến trí tuệ nhân tạo—đang thay đổi toàn cảnh nghiên cứu.

Trong bài phân tích của mình, Bordoni và cộng sự [4] phác thảo ba con đường đầy hứa hẹn nhưng chưa hoàn hảo. Mô hình phân giải cao ở quy mô kilômét có thể mô phỏng trực tiếp các quá trình như đối lưu và xoáy đại dương, nhưng tiêu tốn khối lượng tính toán khổng lồ [5]. Kỹ thuật hiệu chỉnh tham số nâng cao giúp tinh chỉnh các mô hình hiện có bằng cách điều chỉnh những biến số chính, song có nguy cơ che giấu các lỗi cấu trúc [6]. Các phương pháp lai giữa vật lý và AI hứa hẹn mang lại tham số hóa nhanh và chi tiết hơn, nhưng vẫn còn lo ngại về tính ổn định, khả năng giải thích và độ tin cậy trong các kịch bản khí hậu tương lai [7].

Các tác giả cho rằng sẽ không có một “giải pháp duy nhất” nào. Thay vào đó, tiến bộ sẽ đòi hỏi chủ nghĩa đa nguyên—kết hợp nhiều công cụ, đối chiếu chéo phương pháp và học hỏi từ các thành công trước đây. Thực tế lịch sử cho thấy những đột phá, như dự báo El Niño đầu tiên hay công trình đo độ nhạy khí hậu của Manabe đoạt giải Nobel, đều xuất phát từ sự kết hợp từng bước giữa lý thuyết, mô hình và quan sát [8,9].

Mô hình khí hậu không chỉ là những dự đoán khoa học—chúng còn là tấm gương phản chiếu mối quan hệ của chúng ta với Trái Đất, giúp xã hội dự đoán rủi ro và cân nhắc lựa chọn [10]. Việc củng cố Chỉ số Thông minh Thiên nhiên (Nature Quotient – NQ)—năng lực nhận diện và hành động dựa trên sự phụ thuộc sinh thái để tồn tại và phát triển—đồng nghĩa với việc đầu tư vào mô hình khí hậu như một lợi ích công [11]. Các xã hội hiện đại phải thúc đẩy phát triển mô hình khí hậu để dự báo hiểm họa, quản lý bất định và bảo vệ sự ổn định của hành tinh.

Tài liệu tham khảo

[1] Vuong QH. (2024). Wild Wise Weird. https://books.google.com/books?id=N10jEQAAQBAJ

[2] Randall DA, et al. (2019). 100 years of earth system model development. Meteorological Monographs, 59, 12.1-12.66. https://doi.org/10.1175/AMSMONOGRAPHS-D-18-0018.1 

[3] Shaw TA, et al. (2024). Regional climate change: consensus, discrepancies, and ways forward. Frontiers in Climate, 6, 1391634. https://doi.org/10.3389/fclim.2024.1391634 

[4] Bordoni S, et al. (2025). The futures of climate modeling. npj Climate and Atmospheric Science, 8, 99. https://doi.org/10.1038/s41612-025-00955-8 

[5] Bauer P, Stevens B, Hazeleger W. (2021). A digital twin of Earth for the green transition. Nature Climate Change, 11, 80-83. https://doi.org/10.1038/s41558-021-00986-y 

[6] Schmidt GA, et al. (2017). Practice and philosophy of climate model tuning across six US modeling centers. Geoscientific Model Development, 10, 3207-3223. https://doi.org/10.5194/gmd-10-3207-2017 

[7] Rasp S, Pritchard MS, Gentine P. (2018). Deep learning to represent subgrid processes in climate models. PNAS, 115, 9684-9689. https://doi.org/10.1073/pnas.1810286115 

[8] Cane MA, Zebiak SE, Dolan SC. (1986). Experimental forecasts of EI Nino. Nature, 321, 827-832. https://doi.org/10.1038/321827a0 

[9] Manabe S, Wetherald RT. (1967). Thermal equilibrium of the atmosphere with a given distribution of relative humidity. Journal of the Atmospheric Sciences, 24, 241-259. https://doi.org/10.1175/1520-0469(1967)024%3C0241:TEOTAW%3E2.0.CO;2 

[10] Nguyen MH. (2024). How can satirical fables offer us a vision for sustainability? Visions for Sustainability, 23(11267), 323-328. https://doi.org/10.13135/2384-8677/11267

[11] Vuong QH, Nguyen MH. (2025). On Nature Quotient. Pacific Conservation Biology, 31, PC25028. https://doi.org/10.1071/PC25028