Để khảo sát độ nhạy của các sơ đồ tham số hoá đối lưu trong việc dự báo mưa hạn mùa từ mô hình khí hậu khu vực, ba sơ đồ tham số hoá đối lưu trong mô hình clWRF đã được lựa chọn để nghiên cứu trong bài báo này. nội dung chi tiết. | Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái đất và Môi trường, Tập 32, Số 2 (2016) 25-33 Dự báo mưa hạn mùa bằng mô hình clWRF: Độ nhạy của các sơ đồ tham số hoá đối lưu Nguyễn Thị Hạnh, Vũ Thanh Hằng*, Phan Văn Tân Trường Đại học Khoa học Tự nhiên, ĐHQGHN, 334 Nguyễn Trãi, Hà Nội, Việt Nam Nhận ngày 20 tháng 01 năm 2016 Chỉnh sửa ngày 12 tháng 6 năm 2016; Chấp nhận đăng ngày 28 tháng 6 năm 2016 Tóm tắt: Để khảo sát độ nhạy của các sơ đồ tham số hoá đối lưu trong việc dự báo mưa hạn mùa từ mô hình khí hậu khu vực, ba sơ đồ tham số hoá đối lưu trong mô hình clWRF đã được lựa chọn để nghiên cứu trong bài báo này. Số liệu được sử dụng lấy từ mô hình toàn cầu CFS làm điều kiện ban đầu và điều kiện biên để thực hiện dự báo hạn từ 1 đến 6 tháng cho lượng mưa của các tháng 6, 7, 8, 9 năm 2012 (thời điểm làm dự báo từ tháng 3, tháng 4 và tháng 5 năm 2012). Sơ đồ KainFritsch thường cho dự báo thiên dương và sai số lớn hơn, đặc biệt ở vùng khí hậu Nam Bộ trong khi đó sơ đồ Betts-Miller-Janjic và Grell Devenji thường dự báo thiên âm, chủ yếu ở khu vực phía bắc. Nhìn chung, mô hình cho kết quả dự báo tốt hơn ở các vùng khí hậu phía Bắc và kém hơn ở vùng khí hậu Nam Bộ. Nghiên cứu cũng cho thấy sự bất định ở các hạn dự báo cũng như các đích dự báo khác nhau đối với từng vùng khí hậu. Từ khóa: Dự báo mưa hạn mùa, mô hình clWRF, sơ đồ tham số hóa đối lưu. ra thông tin về mùa tới sẽ ẩm hơn, khô hơn, nóng hơn hay lạnh hơn so với thông thường. Cơ sở vật lý để đưa ra những đánh giá kiểu như vậy xuất phát từ ảnh hưởng của những dấu hiệu qui mô thời gian mùa có thể dự báo được trong đại dương đến những qui mô nhỏ hơn trên bề mặt lục địa và trong khí quyển [3]. Điểm mấu chốt trong bài toán dự báo mùa là hiện tượng tương tác đại dương - khí quyển ElNino xảy ra ở vùng Thái Bình Dương nhiệt đới và có thể dự báo trước đến 6 tháng hoặc hơn nữa [4, 5]. Để tiếp cận bài toán dự báo mùa có hai phương pháp: phương pháp thống kê và phương pháp động lực [6]. Hiện nay, cùng với sự phát triển .
