Nghiên cứu này trình bày một số kết quả về hiệu chỉnh sản phẩm mưa dự báo hạn mùa từ mô hình phổ khu vực (RSM), theo hai phương pháp hiệu chỉnh là phương pháp phân vị-phân vị với xấp xỉ gamma (QM-G) và phương pháp Bayesian xác suất kết hợp (BJP). RSM thực hiện dự báo lại cho giai đoạn 1982-2014 với số liệu điều kiện ban đầu và điều kiện biên là dự báo của mô hình toàn cầu CFS,hạn dự báo tới 5 tháng. Kết quả cho thấy, hiệu chỉnh BJP đã làm tăng lên đáng kể tương quan giữa mô hình và quan trắc. | Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái đất và Môi trường, Tập 34, Số 1S (2018) 33-40 Nghiên cứu phương pháp hiệu chỉnh sản phẩm mưa dự báo hạn mùa cho khu vực Việt Nam Mai Văn Khiêm Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu 23/62 Nguyễn Chí Thanh, Đống Đa, Hà Nội, Việt Nam Nhận ngày 30 tháng 12 năm 2018 Chỉnh sửa ngày 11 tháng 12 năm 2018; Chấp nhận đăng ngày 25 tháng 12 năm 2018 Tóm tắt: Nghiên cứu này trình bày một số kết quả về hiệu chỉnh sản phẩm mưa dự báo hạn mùa từ mô hình phổ khu vực (RSM), theo hai phương pháp hiệu chỉnh là phương pháp phân vị-phân vị với xấp xỉ gamma (QM-G) và phương pháp Bayesian xác suất kết hợp (BJP). RSM thực hiện dự báo lại cho giai đoạn 1982-2014 với số liệu điều kiện ban đầu và điều kiện biên là dự báo của mô hình toàn cầu CFS,hạn dự báo tới 5 tháng. Kết quả cho thấy, hiệu chỉnh BJP đã làm tăng lênđáng kể tương quan giữa mô hình và quan trắc, hệ số tương quansau hiệu chỉnh đạt 0,77 ở cả ba hạn dự báo. Sự thiên lệch và sai sốcủa mô hình sau khi được hiệu chỉnh bằng BJP cũng đã giảm đi rõ rệt, sự khác nhau là hầu như không có ở cả ba hạn dự báo. Kết quả đánh giá cũng cho thấy sai số độ lệch trong các tháng từ tháng 4 đến tháng 10 là nhỏ nhất, khoảng 20-50%, trong đó vùng khí hậu Tây Bắc cho sai số nhỏ nhất trong số bảy vùng khí hậu Việt Nam. Việc hiệu chỉnh bằng QM-G đã không cải thiện được tương quan và sự thiên lệch,mà còn làm cho sai số của mô hình mất đi tính hệ thống. Từ khóa: Hiệu chỉnh mưa, dự báo mùa, khu vực Việt Nam, RSM. 1. Mở đầu phức tạp và sự hoạt động của gió mùa [2, 3], những thông tin dự báo mưa hạn mùa góp một phần không thể thiếu trong các báo cáo về diễn biến khí hậu sắp tới. Để dự báo khí hậu hạn mùa nói chung và dự báo mưa hạn mùa nói riêng, phương pháp động lực mà ở đây là các mô hình khí hậu toàn cầu (GCM) với sự kết hợp của cả hai thành phần tương tác chính đại dương - khí quyển,đang dần được thay thế cho phương pháp thống kê truyền thống mà đã được chỉ ra các mặt hạn chế như không có khả
