Luận văn Kỹ thuật trồng điều

Kỹ thuật trồng điều 
MỤC LỤC 
MỤC LỤC ..........................................................................................................0 
MỞ ĐẦU ............................................................................................................1 
CHƯƠNG 1. TỔNG QUAN..............................................................................2 
1.1. Các nghiên cứu trên thế giới ............................................................. 3 
1.2. Các nghiên cứu trong nước ............................................................... 5 
1.3. Mô hình khí hậu khu vực RegCM3 ................................................... 7 
CHƯƠNG 2. CÁC PHƯƠNG PHÁP XỬ LÝ VÙNG ĐỆM............................15 
2.1. Các phương pháp cơ bản................................................................. 15 
2.1.1. Phương pháp xử lý vùng đệm dạng xốp (sponge) ..................... 17 
2.1.1. Phương pháp xử lý vùng đệm dạng giảm dư (relaxation) ......... 25 
2.2. Xử lý điều kiện biên trong RegCM3 ............................................... 35 
CHƯƠNG 3. KẾT QUẢ MÔ PHỎNG KHÍ HẬU KHU VỰC VIỆT NAM ....38 
3.1. Chọn miền tính và độ phân giải....................................................... 42 
3.2. Các phương pháp xử lý vùng đệm và chọn độ rộng vùng đệm ........ 62 
KẾT LUẬN.......................................................................................................75 
TÀI LIỆU THAM KHẢO .................................................................................77 
PHỤ LỤC .........................................................................................................78 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 1 
 MỞ ĐẦU 
Mô hình khí hậu khu vực (Regional Climate Model - RCM) ngày nay đã trở 
thành một công cụ quan trọng trong mô phỏng và dự báo khí hậu. Tuy nhiên công 
cụ dự báo khí hậu này cũng có nhiều khiếm khuyết. Do đó việc cải thiện kết quả dự 
báo của RCM góp phần nâng cao chất lượng dự báo khí hậu nói chung. 
Việc hạ quy mô (downscaling) từ mô hình toàn cầu có độ phân giải thô bằng 
mô hình khu vực có độ phân giải tinh cho ta dự báo chi tiết hơn. Vì thế sản phẩm có 
độ chi tiết cao này sẽ rất hữu ích cho người sử dụng nếu có chất lượng tốt. Ưu điểm 
của mô hình dự báo số là tính khách quan trong kết quả tính toán. Tuy nhiên nhược 
điểm của công cụ này cũng không ít, chẳng hạn như kết quả phụ thuộc vào tính chủ 
quan trong các giả thiết trong các sơ đồ tham số hoá các quá trình quy mô nhỏ và 
vừa. Ngay cả với các nước đi đầu trong lĩnh vực dự báo số trị, chất lượng dự báo 
của mô hình vẫn là một vấn đề đã và đang được quan tâm nghiên cứu với rất nhiều 
hướng tiếp cận khác nhau. Một trong những hướng đã trở thành kinh điển trong bài 
toán dự báo số cho khu vực giới hạn đó là vấn đề giải quyết bài toán điều kiện biên 
xung quanh. 
Luận văn này tập trung vào giải quyết ba vấn đề. Một là chọn kích cỡ miền 
tính thích hợp sao cho biên không quá gần, đảm bảo cho RCM tự do tạo ra các quá 
trình quy mô nhỏ, hay không quá xa khiến RCM mất đi điều khiển từ các trường 
quy mô lớn bên ngoài. Hai là chọn độ phân giải thích hợp để nắm bắt được các quá 
trình quy mô vừa. Ba là xử lý vùng đệm bằng phương pháp thích hợp sao cho sai số 
do sai khác giữa trường quy mô lớn từ bên ngoài và trường quy mô vừa bên trong 
miền tính không làm hỏng kết quả mô phỏng của RCM. 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 2 
CHƯƠNG 1. TỔNG QUAN 
Mô hình RCM là mô hình số trị dự báo cho một miền được bao bởi các biên 
xung quanh. Điều kiện tiên quyết là mô hình này phải được điều khiển bởi mô hình 
toàn cầu (Global Climate Model - GCM) trên các biên này. Để làm được điều này 
người ta sử dụng phương pháp lồng (nesting) một chiều (GCM điều khiển RCM). 
Phương pháp lồng mô hình khu vực phân giải cao vào trong mô hình toàn cầu 
được sử dụng rộng rãi trong nghiên cứu cũng như trong nghiệp vụ dự báo thời tiết 
số trị (NWP). Tuy nhiên đối với mô hình khí hậu khu vực (RCM) thì mãi tới những 
năm 1989 mới có những nghiên cứu bước đầu. Dickinson và nnk (1989) hay Giorgi 
(1990) đã phỏng theo cách tiếp cận của NWP và áp dụng trong mô phỏng khí hậu 
khu vực. Cho đến nay cách làm này được biết đến và được nghiên cứu và phát triển 
rộng rãi trên thế giới. Sản phẩm của việc làm này là một loạt các mô hình dự báo số 
trị được ứng dụng. Các mô hình này có thể kể đến một vài đại diện như RegCM3, 
MM5 hay WRF. Nói riêng, đối với MM5, Leung và Gahn (1998) đã phát triển mô 
hình này thành dạng RCM trong đó đã đưa ra được các đặc trưng khí hậu có thể so 
sánh được với quan trắc ở quy mô khu vực. Những nỗ lực sau đó đã đưa ra nhiều 
đặc trưng khí hậu hơn tại miền Tây nước Mỹ năm 2003. 
Nhằm nâng cao chất lượng dự báo, một số tác giả đã nghiên cứu chọn độ phân 
giải của mô hình cho phù hợp với miền tính mà mình quan tâm. Những nghiên cứu 
đưa ra sau đây là ví dụ. 
Một mô hình RCM cung cấp kết quả dự báo khí hậu phân giải cao rất quan 
trọng trong đánh giá các tác động và quản lý tài nguyên. Độ phân giải cao hơn cho 
phép mô tả kỹ hơn các tác động bề mặt gây bởi yếu tố địa hình, tương phản đất-biển 
và các đặc điểm của thảm thực vật. Do đó, các quá trình bị tác động lớn bởi bề mặt 
như mưa địa hình hay hoàn lưu gió mùa, được cải thiện đáng kể khi tăng độ phân 
giải (Giorgi và Marinucci, 1996 – sử dụng mô hình RegCM). Các quá trình quy mô 
nhỏ được mô tả tốt hơn có thể dẫn đến những tác động quy mô lớn được cải thiện 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 3 
do đó RCM có thể được dùng để nghiên cứu ảnh hưởng tăng quy mô (upscale) của 
các tác động khu vực đối với khí hậu quy mô lớn (v.d. hiệu ứng bóng địa hình - 
orographic shadowing effect). Dưới góc độ này, việc đánh giá giá trị của mô hình 
khí hậu khu vực với độ phân giải cao là rất quan trọng. 
Tuy vậy, độ phân giải cao hơn không nhất thiết đưa đến mô phỏng khí hậu 
chính xác hơn (Boyle, 1993; Sperber và nnk, 1994; và Senior, 1995). Độ nhạy của 
các quá trình trong sơ đồ tham số hóa vật lý với khoảng cách lưới có thể lấn át mọi 
lợi ích mà độ phân giải cao mang lại (Duffy và nnk, 2003). Vì thế việc chọn độ 
phân giải cho phù hợp là một trong những yếu đầu tiên quyết quyết định chất lượng 
dự báo. 
Trong các mục tiếp theo sẽ trình bày về một số nghiên cứu trong nước và trên 
thế giới, cuối chương là giới thiệu về mô hình khí hậu khu vực RegCM3 là công cụ 
chính dùng trong luận văn. 
1.1. Các nghiên cứu trên thế giới 
Seth và Giorgi (1998) đã nghiên cứu hiệu ứng của việc chọn miền tính trong 
mô phỏng giáng thủy và độ nhạy đối với mô hình khí hậu khu vực. Nghiên cứu 
được thực hiện tại trung tâm nước Mỹ vào mùa hè năm 1988 và 1993 bằng mô hình 
RegCM3. Kết quả cho thấy mô phỏng giáng thủy mùa cũng như độ nhạy đối với độ 
ẩm đất bị tác động bởi kích cỡ miền tính và vị trí biên. Miền tính nhỏ bắt được 
giáng thủy gần quan trắc hơn tại lưu vực sông Mississippi; tuy nhiên đối với giáng 
thủy (để ban đầu hóa độ ẩm đất) thực hơn đối với miền tính lớn. Điều này được giải 
thích là do trường điều khiển tại biên ảnh hưởng lớn đối với miền tính nhỏ kéo théo 
mô phỏng toàn thể tốt hơn, tuy nhiên nó cũng đưa đến phản hồi không thực từ các 
trường bên trong. Kết luận cuối cùng của 2 tác giả là cần phải lựa chọn miền tính 
sao cho phù hợp để hài hòa giữa hai yếu tố này. 
Giorgi và Marinucci (1996) đã khảo sát độ nhạy của mô hình khí quyển khu 
vực với độ phân giải ngang và đặc điểm địa hình. Mô hình chạy mô phỏng tháng 1 
và tháng 7 trên khu vực châu Âu với bước lưới trong khoảng từ 200 km đến 50 km, 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 4 
với các cấu hình đặc điểm địa hình khác nhau. Khi lấy trung bình trên toàn bộ đất 
liền, lượng giáng thủy nhạy hơn với thay đổi độ phân giải hơn là thay đổi đặc điểm 
địa hình. Đặc điểm địa hình đóng góp chủ yếu vào phân bố giáng thủy theo không 
gian, và tác động của nó chủ yếu thống trị ở khu vực có đặc điểm địa hình phức tạp 
như dãy An pơ. Đối với các biến khác, như là lượng mây, các dòng năng lượng bề 
mặt, hay phân bố cường độ giáng thủy cũng nhạy đối với độ phân giải. Kết quả còn 
cho thấy khi chạy mô hình với nhiều độ phân giải ngang khác nhau như là trong hệ 
lưới lồng, tác động của trường điều khiển vật lý như đặc điểm địa hình có thể được 
điều chỉnh một cách mạnh mẽ bởi độ nhạy trực tiếp với độ phân giải. 
Leung và Gahn (1998) đã thử nghiệm và phát triển tham số hóa quy mô dưới 
lưới nhằm biểu diễn mưa địa hình. Trong đó những thay đổi quy mô dưới lưới của 
độ cao bề mặt tập hợp lại thành một số giới hạn các lớp độ cao, mô hình dòng khí 
và mô hình nhiệt động lực được sử dụng để tham số hóa quá trình nâng lên hay hạ 
xuống theo địa hình khi phần tử khí vượt núi. Xây dựng dựa trên các mô hình này, 
một sơ đồ thực vật quy mô dưới lưới được phát triển dựa trên các quan hệ thống kê 
giữa độ cao và thực vật. Bằng cách phân tích số liệu thực vật và độ cao địa hình độ 
phân giải cao, một loại thực vật thống trị được xác định cho mỗi mực độ cao khác 
nhau của mõi ô lưới. Nếu trong ô lưới có xuất hiện hồ, chúng không nằm trong đất 
liền bởi không có độ cao địa hình, tuy nhiên sẽ được xử lý thông qua mô hình hồ. 
Kết quả của các việc làm trên đây là đã thể hiện bộ mặt lớp phủ bề mặt chi tiết tên 
khu vực phía Tây nước Mỹ. Mô phỏng với sơ đồ thực vật mới này lạnh hơn 1oC khi 
so với trước, góp phần giảm bias dương của mô hình khí hậu khu vực. Thí nghiệm 
này được thực hiện trong 3 năm và so sánh với quan trắc thực tế. 
Liang và nnk (2001) phát triển mô hình MM5 phiên bản 3.3 thành một mô 
hình khí hậu khu vực. Nghiên cứu này xác định miền tính tối ưu và kỹ thuật đồng 
hóa số liệu hiệu quả nhằm xử lý một cách chính xác điều kiện biên xung quanh tại 
vùng đệm. Điều kiện biên xung quanh được xây dựng từ trường phân tích của 
NCEP-NCAR và ECMWF. Miền tính được chọn sao cho biểu diễn chính xác các 
quá trình vật lý chủ đạo trong khi giảm đến mức tối thiểu sai số trên biên. Các thí 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 5 
nghiệm về độ nhạy được tiến hành cho mùa lũ hè năm 1993 tại vùng Midwest nhằm 
khảo sát những ảnh hưởng của vùng đệm lên kết quả dự báo của RCM. Kết quả cho 
thấy hiệu quả thấy rõ của việc xử lý vùng đệm (bao gồm việc lựa chọn miền tính và 
kỹ thuật xử lý). Với cách xử lý trên đây, RCM mô phỏng cả về dao động theo thời 
gian và phân bố theo không gian trong khu vực lũ chính (Major Flood Area – 
MFA). Kết quả có được là do việc mô tả chính xác dòng xiết trên cao và dòng xiết 
mực thấp Great Plains (LLJ). RCM đưa ra nhiều chế độ khí hậu khác nhau, trong đó 
mưa quan trắc được là do chu kỳ 5 ngày của xoáy thuận ngoại nhiệt đới trong tháng 
6 và các hoàn lưu synop trong tháng 7. Mô hình cũng mô phỏng chính xác chu trình 
mưa hàng ngày  Mặt khác, hiệu quả của RCM giảm đi khi vùng đệm phía nam 
mở rộng về miền nhiệt đới nơi có sai số từ trường điều khiển lớn. Nói riêng, RCM 
mô phỏng LLJ yếu dẫn đến là giảm lượng mưa và trễ pha. Thêm vào đó, kỹ thuật 
xử lý biên mặc định cho bias mô hình chấp n ... khi CTL và BL 
lần lượt có giá trị (-87mm) và (-79mm). 
- Cả năm: Các trường hợp xử lý biên đều cho bias âm (CTL là -27mm và BL 
là -13mm và BS kém nhất với -33mm). 
RMSE nhỏ nhất đối với trường hợp CTL (16.3mm), kế đến là BS (16.8mm), 
kém nhất là BL (18.2mm). 
* Bias và RMSE nhiệt độ TB: 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 70 
-5.0
-4.0
-3.0
-2.0
-1.0
0.0
N
h
iệ
t 
đ
ộ
 (
đ
ộ
)
CTL -3.5 -1.8 -2.3 -3.8
Exp5(BL) -3.1 -2.0 -2.3 -3.4
Exp6(BS) -3.3 -1.9 -2.4 -3.6
Bias (Đông) Bias (Hè) Bias (Cả năm) -RMSE
Hình 3.31 Bias và (–RMSE) nhiệt độ 
- Mùa đông: BL tốt nhất với bias (-3.1 độ), tiếp đến là BS (-3.3 độ). CTL cho 
kết quả kém nhất (-3.5 độ) 
- Mùa hè: BL kém nhất (-2 độ), BS tốt hơn (-1.9 độ) và CTL tốt nhất (-1.8 
độ). 
- Cả năm: nhìn chung CTL (-2.3 độ) và BL (-2.3 độ) cho kết quả tốt hơn BS (-
2.4 độ). 
RMSE của BL tốt nhất (-3.4 độ), tiếp theo là BS (-3.6 độ). Kém nhất là CTL (-
3.8 độ). 
Như vậy có thể thấy dường như mô phỏng mưa tốt đồng nghĩa với việc mô 
phỏng nhiệt kém đi. Trường hợp control (CTL) cho kết quả mô phỏng mưa tốt nhất 
nhưng cũng kém nhất về mô phỏng nhiệt. 
ĐỘ RỘNG VÙNG ĐỆM (TN4) 
Thử nghiệm đối với độ rộng vùng đệm được đánh giá trong không gian trạm, 
trong đó lượng giáng thuỷ các tháng 1, 4, 7, 10 được đưa ra trong các hình từ 3.32 
đến 3.34 và 4.15 phần phụ lục. 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 71 
0
100
200
300
400
500
600
700
mm
OBS
CTL
Exp_7(B16)
Exp_8(B8)
Hình 3.32 Lượng mưa tích luỹ tháng 1 
0
100
200
300
400
500
600
700
800
900
mm
OBS
CTL
Exp_7(B16)
Exp_8(B8)
Hình 3.33 Lượng mưa tích luỹ tháng 7 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 72 
0
200
400
600
800
1000
1200
mm
OBS
CTL
Exp_7(B16)
Exp_8(B8)
Hình 3.34 Lượng mưa tích luỹ tháng 10 
Trong ba tháng có sự khác biệt rõ rệt này, lượng mưa trong thí nghiệm B8 có 
dự báo khống lớn vào tháng 1; B8 và B16 có dự báo hụt vào tháng 7; còn CTL có 
dự báo khống vào tháng 10. Độ rộng vùng đệm có ảnh hưởng ít nhiều đến kết quả 
mô phỏng, tuy nhiên ảnh hưởng này không có tính hệ thống, nghĩa là dao động của 
nó biến đổi theo mùa. Nhận định chung là biên 16 điểm (B16) cho kết quả khá 
tương đồng với quan trắc. 
* Bias và RMSE giáng thủy TB: 
-150
-100
-50
0
50
100
L
ư
ợ
n
g
 m
ư
a
 (
m
m
/t
h
á
n
g
)
CTL 83 -87 -27 16.3
Exp7(B16) 67 -81 -34 14.7
Exp8(B8) 85 -93 -26 16.7
Bias (Đông) Bias (Hè) Bias (Cả năm) RMSE
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 73 
Hình 3.35 Bias và RMSE giáng thuỷ 
+ Nhìn chung vùng đệm có độ 16 điểm trong trường hợp B16 cho kết quả mô 
phỏng giáng thủy trung bình tốt nhất. 
- Mùa đông: B16 cho bias thấp nhất (67mm), trong khi CTL và B8 kém hơn 
chút ít, bias lần lượt là (83mm) và (85mm). 
- Mùa hè: B16 cũng cho dự báo tốt nhất (-81mm) so với CTL (-87mm) và B8 
(-93mm). 
- Cả năm: Kết quả tốt nhất thuộc về B8 (-26mm), tiếp đến là CTL với (-
27mm). Kém nhất là B16 với (-34mm). 
RMSE cũng cho thấy B16 tốt nhất với (14.7 mm) trong khi CTL và B8 lần 
lượt là (16.3mm) và (16.7mm). 
* Bias và RMSE nhiệt độ TB: 
-5.0
-4.0
-3.0
-2.0
-1.0
0.0
N
h
iệ
t 
đ
ộ
 (
đ
ộ
)
CTL -3.5 -1.8 -2.3 -3.8
Exp7(B16) -3.5 -1.7 -2.3 -3.5
Exp8(B8) -3.5 -1.7 -2.3 -3.5
Bias (Đông) Bias (Hè) Bias (Cả năm) -RMSE
Hình 3.36 Bias và (–RMSE) nhiệt độ 
- Mùa đông: cả ba trường hợp đều cho bias nhiệt độ ~ -3.5 độ. 
- Mùa hè: khác biệt giữa ba trường hợp là nhỏ. B8 và B16 là (-1.7 độ) trong 
khi CTL là (-1.8 độ). 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 74 
- Cả năm: cũng giống như kết quả mùa hè và mùa đông sai số nhiệt độ của ba 
trường hợp khá sát nhau (~ -2.3 độ). Khác biệt trong các trường hợp chỉ cách nhau 
khoảng 0.05 độ. 
RMSE của CTL kém nhất (-3.8 độ) trong khi B16 và B8 tốt hơn chút ít (-3.5 
độ). 
Như vậy độ rộng vùng đệm ít làm ảnh hưởng đến nhiệt độ mô phỏng. 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 75 
KẾT LUẬN 
Luận văn đã hoàn thành nghiên cứu khả năng mô phỏng khí hậu (chủ yếu xem 
xét nhiệt độ và lượng mưa) cho khu vực Việt Nam và phụ cận bằng mô hình 
RegCM3. Mục tiêu chính là tìm hiểu xem RegCM3 mô phỏng các quy mô khác 
nhau dưới tác động của điều kiện biên có phù hợp hay không. Khả năng hạ quy mô 
(downscaling) đã được kiểm nghiệm với việc thay đổi một vài yếu tố. Kích cỡ và vị 
trí miền, độ rộng và kiểu xử lý biên, và độ phân giải là ba trong số những yếu tố 
được chọn khi mô phỏng cho 12 tháng của năm 1996. 
Các kết quả cho thấy rằng kích cỡ miền, kiểu xử lý biên và độ phân giải ảnh 
hưởng lớn đến kết quả mô phỏng. Tuy nhiên ảnh hưởng của 3 yếu tố này tương đối 
khác nhau. 
- Kích cỡ miền ảnh hưởng nhiều đến kết quả mô phỏng lượng mưa cả mùa hè, 
mùa đông và các tháng chuyển tiếp từ hè sang đông. Miền càng lớn mô phỏng mưa 
mùa đông càng chính xác. Nhiệt độ tính toán tại mực 2m có kết quả gần với thực tế 
hơn khi vị trí biên sát với vùng nghiên cứu, nói cách khác miền tính nhỏ cho dự báo 
nhiệt độ tốt hơn miền lớn. 
- Độ phân giải tinh hơn không có vai trò cải thiện mô phỏng mưa trên khu vực 
Việt Nam, thậm chí trong vài trường hợp cụ thể còn cho kết quả không tốt. Nhiệt độ 
mực 2m phụ thuộc lớn vào độ tinh của địa hình nên việc chi tiết hoá với độ phân 
giải tinh hơn cho kết quả khác biệt trông thấy đối với những vùng có địa hình phức 
tạp. Ở những vùng còn lại yếu tố này làm thay đổi nhiệt độ một cách không đáng 
kể. 
- Kiểu xử lý biên ảnh hưởng đến kết quả mô phỏng lượng mưa mùa hè và các 
tháng chuyển tiếp từ hè sang đông. Nhiệt độ mô phỏng chủ yếu khác nhau vào mùa 
hè tại Miền Bắc Việt Nam. Độ rộng biên không phải là yếu tố ảnh hưởng lớn đến 
nhiệt độ mô phỏng. Yếu tố này chủ yếu ảnh hưởng đến kết quả mô phỏng mưa. 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 76 
Các thí nghiệm cũng đưa ra gợi ý rằng bộ tham số control (CTL), trong đó sử 
dụng miền tính trung bình, có độ phân giải 54km, xử lý biên giảm dư với profile luỹ 
thừa cơ số tự nhiên, độ rộng 12 điểm về tổng thể cho kết quả tốt nhất đối với khu 
vực Việt Nam và phụ cận. 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 77 
TÀI LIỆU THAM KHẢO 
Tiếng Việt: 
1. Hồ Thị Minh Hà (2008). Nghiên cứu khả năng mô phỏng mùa các yếu tố khí 
tượng trên lãnh thổ Việt Nam bằng phương pháp thủy động và thống kê. 
Luận án Tiến sỹ. 
2. Trần Công Minh (2001). Khí tượng Synop. NXB ĐHQGHN. 
3. Phan Văn Tân (2003). Khí hậu học và khí hậu Việt Nam. NXB ĐHQGHN. 
4. Trần Tân Tiến (2003). Phương pháp dự báo số. NXB ĐHQGHN. 
Tiếng Anh: 
5. Boyle, J. (1993). Sensitivity of dynamical quantities to horizontal resolution 
for a climate simulation using the ECMWF (cycle 33) model. J. Climate, 6, 
796–815. 
6. Davies, H. C., and R. E. Turner (1977). Updating prediction models by 
dynamical relaxation: An examination of the technique, Quart. J. Roy. Met. 
Soc., 103, 225–245. 
7. Dickinson, R., Errico, R., Giorgi, F., and Bates, G. (1989). A regional 
climate model for the western United States. Clim. Change, 15, 383–422. 
8. Duffy, P., Govindasamy, B., Iorio, J., , Milovich, J., Sperber, K., Taylor, K., 
Wehner, M., and Thompson, S. (2003). High resolution simulations of 
global climate. Part I: Present climate. Climate Dyn., 21, 371–390. 
9. Giorgi, F. (1990). Simulation of regional climate using a limited area model 
nested in a general circulation model. J. Clim., 3, 941–963. 
10. Giorgi, F. and Marinucci, M. (1996). An investigation of the sensitivity of 
simulated precipitation to model resolution and its implications for climate 
studies. Mon. Wea. Rev., 124, 148–166. 
11. Liang, X.-Z., Kunkel, K.E. and Samel, A.N. (2001). Development of a 
Regional Climate Model for U.S. Midwest Applications. Part I: Sensitivity 
to Buffer Zone Treatment J. Climate, 14, 4363–4378 
12. Lehmann, R., (1993). On the choice of relaxation coefficients for Davies 
lateral boundary scheme for regional weather prediction models. Meteor. 
Atmos. Phys., 52, 1–14. 
13. Leung, L. and Gahn, S. (1998). Parameterizing subgrid orographic 
precipitation and surface cover in climate models. Mon. Wea. Rev., 126, 
3271–3291. 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
 78 
14. Leung, L., Qian, Y., and Bian, X. (2003). Hydroclimate of the western 
united states based on observations and regional climate simulation of 1981-
2000. Part I: Seasonal statistics. J. Climate, 16, 1892–1911. 
15. Marbaix, P. (2003). Lateral Boundary Conditions in Regional Climate 
Models: A Detailed Study of the Relaxation Procedure. Mon. Wea. Rev., 
131, 461–479. 
16. Perkey, D. J., and C. W. Kreitzberg, 1976: A time-dependent lateral 
boundary scheme for limited -area primitive equation models, Mon. Wea. 
Rev., 104, 744–755. 
17. Seth, A. and Giorgi, F. (1998). The Effects of Domain Choice on Summer 
Precipitation Simulation and Sensitivity in a Regional Climate Model. J. 
Climate, 11, 2698–2712. 
18. Senior, C. (1995). The dependence of climate sensitivity on the horizontal 
resolution of a GCM. J. Climate, 8, 2860–2880. 
19. Sperber, K., Hameed, S., Potter, G., and Boyle, J. (1994). Simulation of the 
northern summer monsoon in the ECMWF model: Sensitivity to horizontal 
resolution. Mon. Wea. Rev., 122, 2461–2481. 
PHỤ LỤC 
PHỤ LỤC 
0
50
100
150
200
250
300
350
400
450
500
mm
OBS
DL
CTL
DS
Hình 4.1 Lượng mưa tích luỹ tháng 4 (TN1) 
16
18
20
22
24
26
28
30
độ
OBS
DL
CTL
DS
Hình 4.2 Nhiệt độ trung bình tháng 4 (TN1) 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
Hình 4.3 Đường đi của bão Frankie (21-24/7/1996) 
16
18
20
22
24
26
28
30
độ
OBS
DL
CTL
DS
Hình 4.4 Nhiệt độ trung bình tháng 7 (TN1) 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
17
19
21
23
25
27
29
độ
OBS
DL
CTL
DS
Hình 4.5 Nhiệt độ trung bình tháng 10 (TN1) 
10
12
14
16
18
20
22
24
26
28
độ
OBS
CTL
R45
R36
Hình 4.6 Nhiệt độ trung bình tháng 1 (TN2) 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
16
18
20
22
24
26
28
30
độ
OBS
CTL
R45
R36
Hình 4.7 Nhiệt độ trung bình tháng 4 (TN2) 
16
18
20
22
24
26
28
30
32
độ
OBS
CTL
R45
R36
Hình 4.8 Nhiệt độ trung bình tháng 7 (TN2) 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
16
18
20
22
24
26
28
30
độ
OBS
CTL
R45
R36
Hình 4.9 Nhiệt độ trung bình tháng 10 (TN2) 
0
200
400
600
800
1000
1200
mm
OBS
CTL
R45
R36
Hình 4.10 Lượng mưa tích luỹ tháng 1 (TN2) 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
0
50
100
150
200
250
300
350
400
450
500
mm
OBS
CTL
R45
R36
Hình 4.11 Lượng mưa tích luỹ tháng 4 (TN2) 
0
200
400
600
800
1000
1200
1400
1600
mm
OBS
CTL
R45
R36
Hình 4.12 Lượng mưa tích luỹ tháng 10 (TN2) 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
0
100
200
300
400
500
600
mm
CTL
R45
R36
Hình 4.13 RMSE lượng mưa cả năm (TN2) 
0
50
100
150
200
250
300
350
400
450
500
mm
OBS
CTL
Exp_6(BS)
Exp_5(BL)
Hình 4.14 Lượng mưa tích luỹ tháng 4 (TN3) 
LƯƠNG MẠNH THẮNG LUẬN VĂN THẠC SỸ 
0
50
100
150
200
250
300
350
400
450
500
mm
OBS
CTL
B16
B8
Hình 4.15 Lượng mưa tích luỹ tháng 4 (TN4)