Đánh giá khả năng dự báo mưa do bão bằng mô hình RAMS - Công Thanh

Nội dung text: Đánh giá khả năng dự báo mưa do bão bằng mô hình RAMS - Công Thanh

1. Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái đất và Môi trường, Tập 32, Số 3S (2016) 195-201 Đánh giá khả năng dự báo mưa do bão bằng mô hình RAMS Công Thanh1,*, Trần Tiến Đạt2, Vũ Thanh Hằng1 1Trường Đại học Khoa học Tự Nhiên, ĐHQGHN, 334 Nguyễn Trãi, Hà Nội, Việt Nam 2Trung tâm ứng dụng công nghệ và bồi dưỡng nghiệp vụ KTTV&MT, TTKTTVQG Nhận ngày 08 tháng 8 năm 2016 Chỉnh sửa ngày 26 tháng 8 năm 2016; Chấp nhận đăng ngày 16 tháng 12 năm 2016 Tóm tắt: Trong nghiên cứu này nhóm tác giả đánh giá khả năng dự báo mưa do bão bằng mô hình RAMS với thời hạn 3 ngày cho khu vực Việt Nam có sử dụng hai sơ đồ đối lưu Kuo và Kain- fritsch. Nhóm nghiên cứu tiến hành các phương án thử nghiệm bằng phương pháp lưới lồng và thay đổi luân phiên hai sơ đồ đối lưu này làm lưới 1 và lưới 2, từ đó đưa đến kết quả: Với hạn dự báo 24h nên sử dụng phương án K-K để dự báo ngưỡng mưa vừa (16-50mm) và mưa to (50- 100mm); Hạn dự báo 48h nên sử dụng phương án K-KF để dự báo mưa do bão cho ngưỡng mưa vừa và phương án K-K để dự báo cho ngưỡng mưa to; Hạn dự báo 72h nên sử dụng phương án K- KF để dự báo ngưỡng mưa vừa và mưa to. Ngưỡng mưa trên 100 mm, các hạn dự báo cho kết quả dự báo kém, hầu như không dự báo được. Từ những kết quả trong nghiên cứu này có thể giúp dự báo viên có thêm thông tin phục vụ cho việc dự báo mưa do bão trên khu vực Việt Nam. Từ khóa: Nghiên cứu và dự báo mưa, bão. 1. Mở đầu* mưa khoảng 11% lượng mưa hằng năm của khu vực (chỉ đứng sau đông Phi 12%). Với ảnh Bão là một trong những hiện tượng thời tiết hưởng lớn như vậy nên những nghiên cứu về vô cùng nguy hiểm, gây ảnh hưởng lớn tới nền mưa trong bão ở khu vực này và đặc biệt là ở kinh tế, xã hội của nhiều quốc gia ven biển, đặc Việt Nam là một vấn đề rất cấp thiết. biệt là đối với những quốc gia có đường bờ biển Hiện nay có rất nhiều công trình nghiên cứu dài như Việt Nam. Khi nói tới bão người ta dự báo mưa do ảnh hưởng của bão trên thế giới thường đề cập tới những hệ quả mà nó gây ra như công trình của Chen L. và ccs (2010) [2] như gió mạnh, sóng lớn, nước dâng do bão và đã tiến hành mô tả vùng mưa có liên quan đến đặc biệt mưa lớn. Theo một nghiên cứu của bão đổ bộ và những hệ thống thời tiết tương Prat [1], khi dựa vào số liệu toàn cầu của ứng, đồng thời tác giả cũng chỉ ra những cơ chế NOAA, số liệu vệ tinh, số liệu phân tích và đưa vật lý quan trọng ảnh hưởng tới lượng mưa và ra kết luận mưa do bão ảnh hưởng tới một diện phân bố mưa do bão đổ bộ. Nhóm nghiên cứu tích khá lớn trên hầu hết các châu lục, cụ thể đưa ra các cơ chế ảnh hưởng đến lượng mưa do khu vực Đông Á, bão nhiệt đới cung cấp lượng bão gồm: nguồn ẩm, vận chuyển ngoại nhiệt ___ đới, địa hình, hệ thống đối lưu qui mô vừa, lớp * Tác giả liên hệ. ĐT.: 84-946180348 biên. Từ việc nghiên cứu thử nghiệm, nhóm Email: thanhc@vnu.edu.vn nghiên cứu đưa ra kết luận, nguồn ẩm trong lớp 195
2. 196 C. Thanh và nnk. / Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái đất và Môi trường, Tập 32, Số 3S (2016) 195-201 mực thấp là nguồn cung cấp mưa khi bão đổ bộ, nguồn hơi nước trong đất liền (hồ, sông, hơi hoặc khi bão đổ bộ tương tác với sự khởi phát nước bão hòa gần bề mặt ) góp phần làm gió mùa, cũng như vận chuyển thẳng đứng của tăng đáng kể lượng mưa của bão đổ bộ. Hình 1. Ảnh hưởng bởi mưa do bão đối với các khu vực trên thế giới [1]. Bảng 1. Tên cơn bão và số trường hợp bão được dùng trong nghiên cứu STT Tên bão TH1 TH2 TH3 1 KETSANA 00z27/09/2009 00z28/09/2009 00z29/09/2009 2 MUJIGAE 00z09/09/2009 00z10/09/2009 00z11/09/2009 3 MIRINAE 00z30/10/2009 00z31/10/2009 00z01/11/2009 4 PARMA 00z11/10/2009 00z12/10/2009 00z13/10/2009 5 CONSON 00z15/07/2010 00z16/07/2010 00z17/07/2010 6 CHANTHU 00z20/07/2010 00z21/07/2010 00z22/07/2010 7 HAIMA 00z22/06/2011 00z23/06/2011 00z24/06/2011 8 NETSAT 00z27/09/2011 00z28/09/2011 00z29/09/2011 9 NALGAE 00z02/10/2011 00z03/10/2011 00z04/10/2011 10 NOCKTEN 00z28/07/2011 00z29/07/2011 00z30/07/2011 11 KAITAK 00z15/08/2012 00z16/08/2012 00z17/08/2012 12 GAEMI 00z04/10/2012 00z05/10/2012 00z06/10/2012 13 SONTINH 00z26/10/2012 00z27/10/2012 00z28/10/2012 14 BEBINCA 00z21/06/2013 00z22/06/2013 00z23/06/2013 15 RUMBIA 00z29/06/2013 00z30/06/2013 00z01/07/2013 16 MANGKHUT 00z05/08/2013 00z06/08/2013 00z07/08/2013 17 NARI 00z13/10/2013 00z14/10/2013 00z15/10/2013 18 WUTIP 00z28/09/2013 00z29/09/2013 00z30/09/2013 19 HAIYAN 00z08/11/2013 00z09/11/2013 00z10/11/2013
3. C. Thanh và nnk. / Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái đất và Môi trường, Tập 32, Số 3S (2016) 195-201 197 Bên cạnh đó, rất nhiều nghiên cứu trong hạn dự báo 3 ngày (do số liệu mưa thực đo tính nước và quốc tế đã được thực hiện nhiều nghiên từ 19h). Tâm miền tính tại, 16oN, 108oE. Ngoài cứu về ảnh hưởng của sự thay đổi độ phân giải, việc hạ độ phân giải lưới và thay đổi các sơ đồ thay đổi các sơ đồ tham số hóa đối lưu đến chất đối lưu, các thông số của mô hình được lựa lượng mô phỏng. Các nghiên cứu trước đây đã chọn như sau: sơ đồ bức xạ sóng ngắn của chỉ ra rằng có độ phân giải cao hơn có thể mô Chen, sóng dài của Mahrer, điều kiện biên xung phỏng thực tế hơn hoàn lưu khí quyển quy mô quanh sơ đồ của Klemp và Wilhelmson. lớn cũng như phân bố lượng mưa toàn cầu và Kết quả nhận được từ mô hình sẽ được đánh khu vực (Buonomo và ccs, 2007; Gent và ccs, giá với số liệu quan trắc thực, nhằm tìm ra 2010; Jung và ccs, 2012; Kendon và ccs, 2012; phương án tối ưu để dự báo định lượng mưa. Kiều Thị Xin và ccs 2006, Hoàng Đức Cường + Sai số trung bình ME: và ccs, 2008; Trần Tân Tiến và ccs, 2006; Bùi Minh Tăng và ccs, 2011) [3-10]. Như vậy đối với bài toán dự báo mưa nói chung hay dự báo mưa ảnh hưởng do bão nói riêng, việc hạ độ + Sai số trung bình toàn phương RMSE: phân giải và thay đổi sơ đồ tham số hóa đối lưu là cần thiết. 2. Số liệu Trong đó: Fi: là số liệu dự báo Trong nghiên cứu này thí nghiệm dự báo 19 Oi: là số liệu quan trắc cơn bão, mỗi cơn bão được dự báo thử nghiệm n: là dung lượng mẫu 3 lần, như vậy số trường hợp dự báo thử Kết quả đánh giá dự báo mưa tại các trạm nghiệm là 57. Số liệu dự báo GFS của trung thông qua các điểm số đánh giá FBI, POD, tâm NCEP được dùng làm điều kiện ban đầu và FAR, CSI và PC được dựa vào bảng ngẫu nhiên điều kiện biên. Số liệu nhiệt độ mặt nước biển sau (Damrath, 2002) [11]: trung bình tuần của NOAA được cập nhật cho Hits (H) = dự báo có + quan trắc có các trường hợp. Ngoài ra chúng tôi còn sử dụng Misses (M) = dự báo không + quan trắc có Số liệu quan trắc được lấy từ hệ thống 176 trạm False alarms (F) = dự báo có + quan trắc không khí tượng trên phạm vi cả nước. Correct negatives (CN) = dự báo không + quan trắc không FBI= (H+ F)/(H+ M) 3. Phương pháp POD= H/(H+M) FAR= F/(H+ F) Nghiên cứu sử dụng 2 lưới lồng có độ phân giải lần lượt là 30 km và 7,5 km. Trong thí CSI= TS= H/(M+ F+ H) nghiệm này nhóm nghiên cứu sử dụng mô hình PC=( H+ CN)/ (M+ F+ H+CN) RAMS (mô hình dự báo khí tượng khu vực do do Đại học Tổng hợp Bang Colorado phát triển) 4. Kết quả với hai sơ đồ đối lưu là Kuo và Kain-Fritsch (mỗi trường hợpchạy thử nghiệm với 4 phương Tiến hành đánh giá kết quả dự báo mưa tại án khác nhau (Kuo (lưới 1) - Kain-Fritsch (lưới các trạm do ảnh hưởng của bão đối với 19 cơn 2) (ký hiệu: K-KF) ; Kuo (lưới 1) – Kuo (lưới bão. Các trạm được sử dụng tùy thuộc vào mỗi 2) (ký hiệu: K-K); Kain-Fritsch (lưới 1) - Kain- cơn bão, các trạm này sẽ được lựa chọn khi Fritsch (lưới 2) (ký hiệu: KF-KF); Kain-Fritsch trong bán kính 600km [12] tính từ tâm thực của (lưới 1) – Kuo (lưới 2) (ký hiệu: KF-K)). Hạn bão. Như vậy, số lượng trạm tham gia đánh giá dự báo 84 giờ để đánh giá khả năng dự báo đối với hạn 24, 48 và 72 giờ tương ứng là 4645, lượng mưa do bão bằng mô hình RAMS với 5679 và 5764 trạm.
4. 198 C. Thanh và nnk. / Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái đất và Môi trường, Tập 32, Số 3S (2016) 195-201 Hạn 24 giờ Bảng 2. Điểm số đánh giá mưa hạn 24 giờ (thời hạn dự báo 12-36 giờ) Ngưỡng >16 mm >50 mm >100 mm Điểm số FBI POD FAR CSI PC FBI POD FAR CSI PC FBI POD FAR CSI PC ME RMSE Phương án K-K 1.6 0.6 0.6 0.3 0.6 0.8 0.3 0.6 0.2 0.9 0.6 0.2 0.6 0.2 1.0 4.02 32.50 K-KF 2.7 0.9 0.7 0.3 0.5 2.0 0.4 0.8 0.1 0.8 0.7 0.1 0.8 0.1 1.0 16.46 41.20 KF-KF 2.2 0.8 0.6 0.3 0.6 1.4 0.3 0.8 0.1 0.8 0.6 0.1 0.9 0.0 1.0 9.96 39.72 KF-K 1.1 0.5 0.6 0.3 0.7 0.6 0.2 0.6 0.2 0.9 0.5 0.2 0.7 0.1 1.0 0.06 33.43 Độ chính xác PC của các phương án cũng Từ đó có thể thấy rằng đối với hạn dự báo tương đối đồng đều. Ta thấy PC có xu hướng 24h, có thể sử dụng phương án K-K để đánh tăng dần theo các ngưỡng mưa và đều đạt giá trị giá mưa do bão với ngưỡng dự báo mưa vừa bằng 1 với ngưỡng mưa >100 mm. Điều này có (16-50mm) và mưa to (50-100mm) còn với thể giải thích bởi công thức tính PC, khi mà ngưỡng dự báo mưa >100 mm thì mô hình có ngưỡng mưa càng nhỏ thì giữa khả năng xuất độ chính xác không đáng kể. Phương án K-KF hiện CN (dự báo không + quan trắc không) tuy cho thấy khả năng phát hiện hiện tượng càng nhỏ, do đó tỉ lệ giữa tổng của H và CN so vượt trội ở ngưỡng dự báo 16-50mm và 50-100 với tổng H+M+F+CN càng nhỏ, khi ngưỡng mm nhưng đến ngưỡng dự báo >100 mm lại mưa càng tăng tỉ lệ CN càng lớn, giá trị này cho thấy khả năng phát hiện hiện tượng kém chiếm đa số so với các giá trị còn lại nên với hơn so với K-K, thêm nữa tỷ phần phát hiện sai không gian mẫu càng lớn thì PC tiệm cận đến 1. và FBI của phương án này cũng lớn hơn so với Kết quả tính toán sai số cho thấy lượng mưa K-K chứng tỏ rằng phương án này có xu hướng dự báo luôn lớn hơn lượng mưa quan trắc ở cả 4 dẫn tới các dự báo khống gây sai số, trong khi phương án đối với hạn dự báo 24h (thể hiện ở K-K cho thấy khả năng dự báo diện mưa ổn giá trị ME>0), và sai số dự báo mưa nhỏ nhất là định và đồng đều hơn ở các ngưỡng lượng mưa. của phương án K-K với lượng mưa sai lệch Cũng cần so sánh về sai số trung bình trong khi khoảng 32.5 mm/ngày. cả hai phương án K-K và K-KF đều cho lượng Có thể dễ dàng nhận thấy hai phương án mưa lớn hơn thực tế nhưng giá trị sai số của K- K nhỏ hơn nhiều so với K-KF. KF-KF và KF-K không phù hợp để dự báo mưa Hạn 48 giờ tại hạn dự báo này. Đối với phương án KF-KF, Kết quả đánh giá cho hạn dự báo 48h được tuy ở ngưỡng mưa 16-50 mm cho khả năng thể hiện trên Bảng 3 cho thấy xu thế thay đổi phát hiện hiện tượng tương đối cao tuy nhiên các chỉ số theo các ngưỡng mưa khác nhau khả năng dự báo diện mưa tương đối kém và tương tự như hạn dự báo 24h. Tuy nhiên cũng đối với các ngưỡng mưa lớn hơn cho thấy độ cần chú ý một số đặc trưng như: chính xác và độ tin cậy là thấp nhất so với các Chỉ số FBI trong hạn dự báo này của phương án khác. Đối với phương án KF-K, tuy phương án K-K khá ổn định trong đó với giá trị FBI của phương án này là khá sát với giá ngưỡng mưa >50mm chỉ số này đạt giá trị tối trị tối ưu đối với ngưỡng mưa 16-50mm, nhưng ưu (FBI=1). khả năng phát hiện hiện tượng cũng tại ngưỡng Phương án K-KF và KF-KF vẫn cho thấy tỉ mưa này lại thấp nhất so với các phương án lệ dự báo khống lớn (thể hiện qua các chỉ số khác và với các ngưỡng mưa lớn, chỉ số FBI FBI và FAR), tuy nhiên về dự báo lượng mưa càng ngày càng thấp. Nhìn chung độ ổn đinh theo các ngưỡng mưa thì K-KF lại cho thấy khả của hai phương án này không cao. năng phát hiện hiện tượng khá cao so với các phương án khác (thể hiện qua chỉ số POD).
5. C. Thanh và nnk. / Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái đất và Môi trường, Tập 32, Số 3S (2016) 195-201 199 Bảng 3. Điểm số đánh giá mưa hạn 48 giờ (thời hạn dự báo 36-60 giờ) Ngưỡng >16 mm >50 mm >100 mm Điểm số FBI POD FAR CSI PC FBI POD FAR CSI PC FBI POD FAR CSI PC ME RMSE Phương án K-K 1.3 0.4 0.7 0.2 0.6 1.0 0.2 0.8 0.1 0.9 0.8 0.2 0.8 0.1 1.0 3.00 37.41 K-KF 2.8 0.8 0.7 0.3 0.4 2.4 0.3 0.9 0.1 0.8 0.5 0.1 0.8 0.1 1.0 16.04 40.76 KF-KF 2.3 0.7 0.7 0.3 0.5 1.5 0.2 0.9 0.1 0.8 0.4 0.0 0.9 0.0 1.0 9.18 38.53 KF-K 0.7 0.3 0.6 0.2 0.7 0.3 0.1 0.8 0.0 0.9 0.2 0.0 0.9 0.0 1.0 -5.38 34.16 Xét về sai số thì phương án KF-K cho tượng và chủ yếu là dự báo sót, cũng có thể do lượng mưa dự báo nhỏ hơn mưa quan trắc nguyên nhân này nên sai số của phương án mới (ME 100 mm tuy nhiên xét về độ ổn khống lớn và điểm số thành công thấp. định của các chỉ số thì với thời hạn này nên Trong hạn dự báo này, với ngưỡng mưa 16- chọn phương án K-KF để dự báo mưa với 50mm có thể chọn phương án K-KF để dự báo ngưỡng mưa vừa và mưa to còn ngưỡng mưa lượng mưa do khả năng phát hiện hiện tượng >100 mm mô hình vẫn thể hiện độ chính xác của phương án này lớn hơn nhiều so với các không đáng kể. phương án khác. Với ngưỡng lượng mưa lớn So sánh các chỉ số giữa các hạn dự báo với 50-100 có thể chọn phương án K-K để dự báo nhau ta thấy: mưa do phương án này cho kết quả diện mưa Hạn dự báo càng dài thì hai phương án K- dự báo trùng với diện mưa quan trắc đồng thời KF và KF-KF cho dự báo khống càng lớn. Còn khả năng phát hiện hiện tượng cũng như tỷ hai trường hợp K-K và KF-K cho dự báo sót phần phát hiện sai tương đương với các phương càng nhiều. án khác. Với ngưỡng mưa lớn hơn 100 mm mô Phương án KF-KF cho tỉ lệ dự báo khống hình cho kết quả dự báo không chính xác. lớn, khả năng phát hiện hiện tượng không lớn Hạn 72 giờ (chỉ phát hiện tốt ở ngưỡng mưa 16-50 mm ), Hạn dự báo 72 giờ, xu thế biến đổi các chỉ độ tin cậy không cao. số theo ngưỡng mưa cũng vẫn tương tự như hạn Phương án KF-K cho sai số lượng mưa dự dự báo 48h và 24h. báo so với thực tế là nhỏ nhất, tuy nhiên qua Phương án KF-K vẫn cho lượng mưa dự việc xem xét tính ổn đinh, xu thế biến đổi các báo nhỏ hơn lượng mưa quan trắc và cho giá trị chỉ số thì phương án này cho kết quả độ tin cậy sai số nhỏ hơn các phương án khác không cao. (RMSE=28.78mm/ngày) Phương án K-KF cho thấy khả năng phát Với hạn dự báo này ta có thể thấy hai hiện hiện tượng vượt trội so với các phương án phương án KF-K và K-K dự báo lượng mưa còn lại tuy nhiên dự báo khống cũng lớn nhất kém. Tuy KF-K và K-K cho kết quả sai số trong các phương án ( kể cả về diện và lượng), lượng mưa khá nhỏ nhưng các chỉ số đều cho chỉ phù hợp với các dự báo hạn dài với ngưỡng thấy hai phương án này không bắt được hiện dự báo mưa tối đa là mưa to.
6. 200 C. Thanh và nnk. / Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái đất và Môi trường, Tập 32, Số 3S (2016) 195-201 Bảng 4. Điểm số đánh giá mưa hạn 72 giờ (thời hạn dự báo 60-84 giờ) Ngưỡng >16 mm >50 mm >100 mm Điểm số FBI POD FAR CSI PC FBI POD FAR CSI PC FBI POD FAR CSI PC ME RMSE Phương án K-K 1.4 0.3 0.8 0.1 0.6 0.8 0.1 0.9 0.0 0.9 0.3 0.0 0.9 0.0 1.0 1.83 31.41 K-KF 3.8 0.8 0.8 0.2 0.4 3.6 0.3 0.9 0.1 0.8 0.5 0.1 0.8 0.1 1.0 20.60 39.83 KF-KF 2.9 0.6 0.8 0.2 0.5 2.3 0.1 0.9 0.0 0.8 1.1 0.0 1.0 0.0 1.0 13.70 40.12 KF-K 0.5 0.1 0.8 0.1 0.8 0.2 0.1 0.7 0.0 0.9 0.1 0.0 0.9 0.0 1.0 -5.13 28.78 Phương án K-K, qua tính toán so sánh các Analysis. Water Resources Research. DOI: chỉ số và các sai số cho thấy phương án này dự 10.1002/wrcr.20527 báo lượng mưa và diện mưa tương đối tốt đối [2] Chen L. et al. (2010), An Overview of Research với hạn dự báo 48h trở xuống. and Forecasting on Rainfall Associated with Landfalling Tropical Cyclones, ADVANCES IN Với ngưỡng mưa >100 mm tất cả các ATMOSPHERIC SCIENCES, VOL. 27, NO. 5, phương án đều cho thấy mô hình RAMS 2010, 967. không có khả năng dự báo lượng mưa tại [3] Buonomo, E., R. Jones, C. Huntingford, and J. ngưỡng mưa này. Hannaford (2007), On the robustness of changes in extreme precipitation over Europe from two 5. Kết luận high resolution climate change simulations, Q. J. R. Meteorol. Soc., 133(622), 65–81. Thông qua việc tính toán, thống kê số liệu [4] Gent, P. R., S. G. Yeager, R. B. Neale, S. Levis, and D. A. Bailey (2010), Improvements in a half dự báo lượng mưa của các phương án có thể degree atmosphere/land version of the CCSM, đưa đến một số kết luận: Hai phương án KF-KF Clim. Dyn., 34(6), 819–833. , KF-K cho kết quả dự báo lượng mưa kém [5] Jung, T., et al. (2012), High-resolution global không thể đưa vào dự báo mưa do bão; Với hạn climate simulations with the ECMWF model in dự báo 24h nên sử dụng phương án K-K để dự Project Athena: Experimental design, model báo ngưỡng mưa vừa (16-50mm) và mưa to climate, and seasonal forecast skill, J. Clim., (50-100mm); với hạn dự báo 48 h nên sử dụng 25(9), 3155–3172. phương án K-KF để dự báo mưa do bão cho [6] Kendon, E. J., N. M. Roberts, C. A. Senior, and ngưỡng mưa vừa và phương án K-K để dự báo M. J. Roberts (2012), Realism of rainfall in a very high-resolution regional climate model, J. Clim., cho ngưỡng mưa to; với hạn dự báo 72h nên sử 25(17), 5791–5806. dụng phương án K-KF để dự báo ngưỡng mưa [7] Kiều Thị Xin, Đề tài độc lập cấp nhà nước (2004- vừa và mưa to. Với ngưỡng mưa trên 100 mm 2006): Nghiên cứu dự báo mưa lớn diện rộng đối với tất cả các hạn dự báo, độ chính các của bằng công nghệ hiện đại phục vụ phòng cống lũ mô hình RAMS rất kém, hầu như không dự báo lụt ở Việt Nam. được. Từ những kết quả đã đạt được nhóm [8] Hoàng Đức Cường, Đề tài cấp bộ TNMT 2008 nghiêm cứu hi vọng sẽ đóng góp thêm những “Nghiên cứu thử nghiệm dự báo mưa lớn ở Việt thông tin hữu ích góp phần vào việc tăng độ Nam bằng mô hình MM5” chính xác của dự báo mưa do bão trên khu vực [9] Trần Tân Tiến, Đề tài cấp ĐHQGHN 2004, Xây Việt Nam trong thời gian tới. dựng công nghệ dự báo lũ bằng mô hình số thời hạn 3 ngày cho khu vực Trung Bộ Việt Nam. QG2004-2006 Tài liệu tham khảo [10] Bùi Minh Tăng Đề tài độc lập cấp nhà nước 2014 “Nghiên cứu xây dựng công nghệ dự báo mưa lớn [1] Prat, O.P., and B.R. Nelson, 2013. Mapping the thời hạn 2-3 ngày phục vụ công tác cảnh báo sớm world’s tropical cyclone rainfall contribution over lũ lụt khu vực miền trung Việt Nam” land using TRMM Multisatellite Precipitation
7. C. Thanh và nnk. / Tạp chí Khoa học ĐHQGHN: Các Khoa học Trái đất và Môi trường, Tập 32, Số 3S (2016) 195-201 201 [11] Damrath, U., (2004) “Verification against [12] 2004/presentations/5.3_Damrath.pdf]; 24 precipitation observations of a high density November 2006. network - what did we learn” Intl. Verification [13] Gleason, B., 2006: Characteristics of tropical Methods Workshop, 15-17 September 2004, cyclone rainfall in the United States. 27th Montreal, Canada. [Available online at 82 Conference on Hurricanes and Tropical Meteorology, Session 16C, Tropical Cyclones and f/Workshop. Climate V-Atlantic Basin. Assessing Prediction of Tropical Cyclone Rainfall by RAMS Model Cong Thanh1, Tran Tien Dat2, Vu Thanh Hang1 1Meteorology hydrology and oceanography of Faculty, VNU University of Science, 334 Nguyen Trai, Thanh Xuan, Hanoi 2Technology Application and Training Center for Hydro-meteorology and Enviroment Abstract: This study assesses the predictability rain storm of the RAMS model with 3 day term for Viet Nam region, use two convective schemer: Kuo and Kain-fritsch. The researchers plan to conduct experiments with nested grid method and change two convection to grid 1 and grid 2, which resulted in: The 24h term forecasts, we should use K-K plan to forecast medium rain (16-50mm) and heavy rain (50-100mm); term forecast for 48 h we should use K-KF plan to forecast medium rain threshold and K-K plan to forecast heavy rain threshold; with 72h-term forecasts we should use K-KF plan to forecast medium rain and heavy rain threshold. With more than 100 mm rainfall thresholds for all term forecasts, the accuracy of the model RAMS was poor, hardly predictable. The results of this study can give forecast more predict information to serve the forecasted rain storm in the area of Vietnam. Keywords: Research and Forecasting on Rainfall, Tropical Cyclones.