Đánh giá chất lượng dự báo trường khí tượng của một số mô hình khí hậu toàn cầu cho khu vực Việt Nam

Nghiên cứu này sẽ tập trung đánh giá chất lượng dự báo các trường khí tượng như trường mưa và trường nhiệt độ từ một số mô hình khí hậu toàn cầu đang được chạy nghiệp vụ tại các trung tâm dự báo thời tiết khí hậu lớn trên thế giới cho khu vực Việt Nam. Mời các bạn cùng tham khảo!

BÀI BÁO KHOA HỌC ĐÁNH GIÁ CHẤT LƯỢNG DỰ BÁO TRƯỜNG KHÍ TƯỢNG CỦA MỘT SỐ MƠ HÌNH KHÍ HẬU TOÀN CẦU CHO KHU VỰC VIỆT NAM Nguyễn Tiến Thành1 Tóm tắt: Trong năm gần đây, với phát triển khoa học công nghệ, chất lượng sản phẩm dự báo từ mơ hình khí hậu động lực tồn cầu cải thiện đáng kể, góp phần quan trọng phát triển kinh tế xã hội Tuy vậy, với thời điểm dự báo, hạn dự báo khu vực dự báo khác chất lượng dự báo khác nhiều mơ hình khác Vì vậy, nghiên cứu tập trung đánh giá chất lượng dự báo trường khí tượng trường mưa trường nhiệt độ từ số mơ hình khí hậu tồn cầu chạy nghiệp vụ trung tâm dự báo thời tiết khí hậu lớn giới cho khu vực Việt Nam Sản phẩm dự báo từ mơ hình đánh giá thời điểm dự báo tháng điển hình mùa hè (tháng 7) mùa đông (tháng 1) với hạn dự báo tháng Kết cho thấy, mơ hình từ Trung tâm dự báo hạn vừa châu Âu cho kết tốt trường mưa Mơ hình từ Trung tâm Dự báo mơi trường Hoa Kỳ cho kết trường mưa trường nhiệt độ Chất lượng dự báo trường nhiệt tốt hẳn so với trường mưa tốt sản phẩm Cơ quan khí tượng Pháp Từ khoá: Dự báo nhiệt độ, Dự báo mưa, Dự báo mùa, Mơ hình khí hậu tồn cầu, Việt Nam ĐẶT VẤN ĐỀ * Thông tin dự báo khí hậu từ hạn ngắn (đến năm) tới hạn dài (trên 10 năm đến 100 năm) có ý nghĩa lớn tới hoạt động phát triển kinh tế xã hội kế hoạch sản xuất nông nghiệp, du lịch, quản lý khai thác có hiệu nguồn tài nguyên nước Trong nghiệp vụ cung cấp thông tin dự báo khí hậu đặc trưng khí tượng thơng tin dự báo mưa nói chung, lượng mưa nói riêng, đặc biệt kiện mưa lớn vấn đề nan giải Mức độ tin cậy dự báo mưa thường thấp so với yếu tố dự báo khác phân bố theo không gian biến đổi theo thời gian lượng mưa phụ thuộc nhiều yếu tố khác địa hình, trình chuyển động thăng lên khơng khí ẩm, q trình tích lũy ẩm mực thấp, chế độ hồn lưu Cho tới nay, hai phương pháp phổ biến phương pháp thống kê phương pháp động lực thường quan tâm áp dụng dự báo khí hậu Trong đó, phương pháp thống kê xem phương pháp chủ yếu sử dụng để Khoa Kỹ thuật tài nguyên nước, Trường Đại học Thuỷ lợi 128 xây dựng mơ hình dự báo mùa trước mơ hình động lực đời Cơ sở cốt lỗi phương pháp dựa mối quan hệ thống kê yếu tố dự báo nhân tố dự báo Các mơ hình tốn học áp dụng đa dạng hồi quy tuyến tính đa biến, ước lượng hồi quy xác suất kiện, mạng thần kinh nhân tạo hay phân tích phân biệt Do xây dựng từ mối quan hệ thống kê nên nhược điểm phương pháp cho sai số lớn đối tượng dự báo xảy có tính đột biến Hay nói cách khác, chúng nắm bắt tượng mang tính quy luật Trong phương pháp động lực quan tâm, phát triển mạnh liên tục cải tiến năm gần ưu việt chúng (i) đưa sản phẩm khí hậu nhiều yếu tố mang tính khách quan hơn, (ii) nắm bắt giá trị cực trị tượng bất thường chưa xuất khí hậu độ phân giải cao (iii) sử dụng làm đầu vào cho mơ hình ứng dụng nhiều lĩnh vực khác Cho tới nay, nhiều trung tâm dự báo/các dự án lớn cung cấp miễn phí sản phẩm dự báo hạn mùa sản phẩm KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MƠI TRƯỜNG - SỐ 74 (6/2021) mơ hình động lực Điển hình gồm dự án nghiên cứu S2S thiết lập Chương trình nghiên cứu khí hậu giới (WCRP)/Chương trình nghiên cứu thời tiết giới (WWRP) kể từ năm 2015; chương trình nghiên cứu châu Âu biết đến Ban biến đổi khí hậu Copernicus (C3S) phát triển kể từ năm 2017 Tian et al (2017) đánh giá khả dự báo hạn mùa trường mưa nhiệt độ mơ hình CFSv2NCEP-S2S Nghiên cứu sử dụng số liệu tái dự báo để tính tốn số mưa nhiệt độ đưa đến kết luận chất lượng dự báo phụ thuộc lớn vào số dự báo, vùng dự báo, thời gian dự kiến Manzanas et al (2019) sử dụng mơ hình dự báo động lực mùa liệu C3S (bao gồm ECMWF-SEAS5, UK Met OfceGloSea5 Météo France-System5) ECMWFSystem4 để dự báo lượng mưa nhiệt độ với thời gian dự kiến tháng cho vùng thuộc Châu Âu Đơng Nam Á Gần đây, Ban biến đổi khí hậu Copernicus có đánh giá tổng quát sản phẩm dự báo trường khí tượng hạn mùa quy mơ vùng tính ưu việt mơ hình dự báo động lực mùa ECMWF Nhìn chung, nghiên cứu giới dừng lại việc đánh giá chất lượng mơ hình dự báo động lực hạn mùa quy mơ khu vực, miền tính lớn Tại Việt Nam, năm 2016, Phan V.T., Nguyễn X.T (Phan&Nguyen, 2016) đánh giá khả dự báo mùa tổng lượng mưa tháng toàn lãnh thổ Việt Nam với hạn dự báo đến tháng mơ hình NCEP-CFS (National Centers for Environmental Prediction-Climate System Forecast) với liệu dự báo lại (1982-2009) dự báo nghiệp vụ (2012-2014) Các liệu dự báo mưa mùa so sánh với liệu mưa phân tích lưới GPCC số liệu quan trắc từ mạng lưới trạm Kết cho thấy CFS cho dự báo mưa tháng phù hợp với quan trắc vùng khí hậu phía Bắc Nam Bộ Việt Nam cho sai số lớn vùng khí hậu Trung Bộ Tây Nguyên Sai số dự báo biến động theo hạn dự báo lại khác biệt đáng kể tháng dự báo Có thể thấy nghiên cứu Việt Nam quan tâm nhiều tới mơ hình CFS mà chưa tập trung vào đánh giá chất lượng dự báo trường khí tượng cách kỹ lưỡng từ mơ hình động lực khác nhau, đặc biệt bối cảnh mơ hình khí hậu tồn cầu liên tục cải thiện cập nhật công nghệ Do vậy, nghiên cứu tập trung đánh giá chất lượng dự báo trường khí tượng, trường mưa trường nhiệt độ, từ hệ thống dự báo với mơ hình tiên tiến Đó sản phẩm từ Trung tâm dự báo hạn vừa châu Âu (ECMWF), Cơ quan khí tượng Vương quốc Anh (UK Met Office), Cơ quan khí tượng Pháp (Meteo France), Trung tâm dịch vụ thời tiết Đức (DWD), Trung tâm châu Âu địa trung hải biến đổi khí hậu (CMCC) Trung tâm Dự báo môi trường Hoa Kỳ (NCEP) Các sản phẩm đánh giá với thời gian dự kiến dự báo tháng tháng trường hợp phân vị thứ 50 (trung vị) tất thành phần tổ hợp mơ hình cho tồn vũng lãnh thổ Việt nam Trong mục tiếp theo, nghiên cứu trình bày chi tiết nguồn số liệu sử dụng nghiên cứu phương pháp nghiên cứu Cuối cùng, nghiên cứu trình bày kết phân tích, đánh giá đưa số kết luận SỐ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 2.1 Số liệu Trong nghiên cứu này, liệu mơ hình khí hậu tồn cầu lấy từ trung tâm thời tiết khí hậu khác giới đề cập phần trước Với trung tâm khác sử dụng mơ hình khác nhau, để đơn giản, ký hiệu viết ngắn gọn sau: với trung tâm ECMWF sử dụng mơ hình tích hợp IFS Cycle 43r1 ký hiệu ECMWF_Ifs, tương tự Meteo France sử dụng mơ hình ARPEGE v6.1 (Met_Arp), DWD sử dụng mơ hình ECHAM 6.3.04 (DWD_Echam) CMCC sử dụng mơ hình CAM 5.3 (CMCC_Cam) NCEP sử dụng CFSv2.0 (NCEP_Cfsv2) Mỗi trung tâm cung cấp sản phẩm dự báo mùa hệ thống khác với độ phân giải ngang, thẳng đứng khác nhìn chung với miền lưới tồn cầu liệu có độ phân giải lưới ngang độ x độ, thời gian dự báo lại (hindcast) từ 1993 tới KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 74 (6/2021) 129 2016 thời gian dự báo thời gian thực phục vụ nghiệp vụ (forecast) từ 2017 tới Độ phân giải thời gian với bước thời gian ngày Các liệu định dạng đầu sản phẩm theo chuẩn Tổ chức Khí tượng giới (WMO), dạng GRIB Tổng số biến dự báo bao gồm 31 biến thành phần gió, nhiệt độ, giáng thủy, xạ, mây tuyết Số liệu dự báo cập nhật hàng tháng vào thời điểm khác với thời gian dự báo dự kiến khác Trong nghiên cứu này, thời gian dự báo dự kiến tới tháng tháng đánh giá với thời điểm dự báo tháng điển hình mùa hè (tháng 7) mùa đơng (tháng 1) Các sản phẩm đánh giá phân vị thứ 50 tất thành phần tổ hợp Với số liệu trường mưa sử dụng để so sánh với liệu mơ hình liệu mưa GPCC (the Global Precipitation Climatology Centre) phân tích lưới kinh vĩ tạo cung cấp miễn phí Cơ quan Thời tiết, Cộng hồ Liên bang Đức (DWD) Với số liệu trường nhiệt liệu lấy từ Ban Nghiên cứu Khí hậu (Climatic Research Unit) Đại học East Anglia Toàn liệu lấy giai đoạn 1993-2020 giới hạn miền nghiên cứu (7-25oN 100-110oE) Toàn liệu đưa độ phân giải ô lưới sử dụng phương pháp nội suy song tuyến 2.2 Phương pháp nghiên cứu Trong nghiên cứu này, mô hình đánh giá dựa số thống kê Sai số tuyệt đối trung bình (MAE-Mean Absolute Error) MAE 130 r= (3) Hệ số tương quan (r) cho phép đánh giá mối quan hệ tuyến tính tập giá trị dự báo tập giá trị quan trắc Giá trị biến thiên khoảng -1 đến 1, giá trị hoàn hảo Giá trị tuyệt đối hệ số tương quan lớn mối quan hệ tuyến tính hai biến chặt chẽ Hệ số tương quan dương phản ánh mối quan hệ chiều (đồng biến), ngược lại, hệ số tương quan âm biểu thị mối quan hệ ngược chiều (nghịch biến) dự báo quan trắc Chỉ số phần trăm dự báo PC Đây số dùng đánh giá pha dự báo xác định tỷ số số lần dự báo chia cho tổng số lần dự báo xác định biểu thức toán học sau: PC = 100% (4) (1) Trong đó, giá trị MAE nằm khoảng (0 +∞) MAE biểu thị biên độ trung bình sai số mơ hình khơng nói lên xu hướng lệch giá trị dự báo quan trắc Khi MAE = 0, giá trị mơ hình hồn tồn trùng khớp với giá trị quan trắc, mơ hình xem “lý tưởng” Sai số bình phương trung bình quân phương (RMSE-Root mean square Error) RMSE = Đây đại lượng thường sử dụng phô biến cho việc đánh giá kết mơ hình dự báo số trị Người ta thường hay sử dụng đại lượng sai số bình phương trung bình quân phương (RMSE) biểu thị độ lớn trung bình sai số Đặc biệt RMSE nhạy với giá trị sai số lớn Do RMSE gần MAE sai số mơ hình ơn định có thê thực việc hiệu chỉnh sản phẩm mơ hình Giống MAE, RMSE khơng độ lệch giá trị dự báo giá trị quan trắc Giá trị RMSE nằm khoảng (0, + ∞) Khi so sánh MAE RMSE ta thấy: RMSE > MAE Còn RMSE = MAE tất sai số có độ lớn nhau: RMSE = MAE = Hệ số tương quan (Correlation coefficient) (2) Trong đó, Hits (H) = dự báo có + quan trắc có; Misses (M) = dự báo khơng + quan trắc có; False alarms (F) = dự báo có + quan trắc khơng; Correct negatives (CN) = dự báo không + quan trắc không PC phản ánh tỷ lệ trùng khớp kết mơ hình quan trắc hai pha có khơng xuất hiện tượng Giá trị PC biến đổi khống từ đến 100% Nếu mơ hình hồn hảo, tức kết mơ hình trùng khớp hồn tồn với quan trắc PC 100%, ngược lại, PC tất trường hợp kết mơ hình ngược với quan KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 74 (6/2021) trắc PC lớn độ xác mơ phỏng, dự báo mơ hình cao (MONRE, 2017) KẾT QUẢ Phần trình bày kết đánh giá sản phẩm dự báo trường mưa trường nhiệt từ mơ hình khí hậu tồn cầu với hạn dự báo tháng (to+1) tháng (to+3) thời điểm dự báo tháng điển hình mùa hè (tháng 7) mùa đông (tháng 1) Hình Hệ số tương quan trường mưa sản phẩm mơ hình GPCC với thời gian dự báo tháng (hàng trên) tháng (hàng dưới) thời điểm dự báo tháng Từ hình cho thấy với thời điểm dự báo tháng tương quan sản phẩm ECMWF_Ifs với thời gian dự báo tháng chặt chẽ toàn miền đạt 0.5 đặt biệt tốt khu vực Đồng sông Cửu Long Việt Nam với hệ số tương quan 0.65 Từ hình cho thấy, sản phẩm ECMWF_Ifs tốt so với sản phẩm khác với thời gian dự báo trước tháng Trong sản phẩm DWD_Echam Mặc dù với vùng mức độ tương quan khác nhìn chung tương quan khu vực Bắc Trung Bộ Việt Nam Với thời gian dự báo trước tháng hầu hết sản phẩm cho tương quan thấp chặt chẽ so với trường hợp dự báo trước tháng Phân tích thời điểm dự báo tháng (hình 2) cho thấy mức độ tương quan so với thời điểm dự báo tháng cho thời gian dự báo trước tháng tháng Tính trung bình tồn miền sản phẩm ECMWF_Ifs cho tương quan tốt so với sản phẩm khác Hình Hệ số tương quan trường mưa sản phẩm mơ hình GPCC với thời gian dự báo tháng (hàng trên) tháng (hàng dưới) thời điểm dự báo tháng KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 74 (6/2021) 131 Bảng Các số thống kê đánh giá trường mưa sản phẩm mơ hình GPCC Hạn dự báo (tháng) T H Á N G T H Á N G to+1 to+3 to+1 to+3 Chỉ số NCEP_Cfsv2 CMCC_Cam DWD_Echam ECMWF_Ifs Met_Arp RMSE MAE PC r RMSE MAE PC r RMSE MAE PC r RMSE MAE PC r 35.3 24.2 38.1 0.41 57.5 44.4 34.5 0.31 290.2 273.2 33.9 0.09 273.0 254.7 34.5 0.06 29.1 19.9 41.3 0.33 43.1 32.2 38.7 0.21 138.5 117.2 37.1 0.25 117.8 93.9 38.7 0.21 30.2 20.9 39.5 0.20 45.9 32.9 38.7 0.27 157.9 132.9 36.7 0.11 136.3 110.6 36.7 0.08 27.7 20.8 44.4 0.50 43.6 34.5 39.7 0.33 124.5 103.1 39.6 0.30 112.7 91.7 39.7 0.09 29.4 20.8 41.5 0.24 44.8 32.5 38.2 0.23 156.0 131.5 37.0 0.21 126.0 101.6 36.5 0.05 Phân tích chi tiết khả dự báo trường mưa với số thống kê khác RMSE, MAE PC Bảng Trong đó, giá trị màu xanh thể màu đỏ tốt Từ bảng sản phẩm NCEP_Cfsv2 nhất, sản phẩm ECMWF_Ifs xem tốt với thời gian dự báo trước tháng cho thời điểm dự báo tháng tháng Sự sai khác sản phẩm DWD_Echam Met_Arp không lớn cho dự báo trước tháng hai thời điểm dự báo xem xét Đối với trường nhiệt độ, kết phân tích tương quan theo không gian thời điểm dự báo tháng cho thấy sản phẩm DWD_Echam cho tương quan hai thời gian dự báo xem xét Nhìn chung, tất sản phẩm cho tương quan khu vực phía Nam Việt Nam tốt so với vùng khác khơng có sai khác lớn thời gian dự báo trước tháng tháng (hình 3) Hình Hệ số tương quan trường nhiệt sản phẩm mô hình CRU với thời gian dự báo tháng (hàng trên) tháng (hàng dưới) thời điểm dự báo tháng 132 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 74 (6/2021) Tại thời điểm dự báo tháng (hình 4), sản phẩm cho tương quan tốt phía Bắc Việt Nam phía Nam Việt Nam với thời gian dự báo trước tháng Sản phẩm DWD_Echam cho tương quan Tuy nhiên, với thời gian dự báo trước tháng, sản phẩm DWD_Echam cho dự báo phía Bắc Việt Nam tốt thời điểm tháng so với thời điểm tháng Nhìn chung, với thời điểm dự báo tháng 7, tương quan sản phẩm chặt chẽ so với thời điểm dự báo tháng thời gian dự báo trước tháng tháng Hình Hệ số tương quan trường nhiệt sản phẩm mơ hình CRU với thời gian dự báo tháng (hàng trên) tháng (hàng dưới) thời điểm dự báo tháng Tương tự trường mưa, Bảng mô tả chi tiết số thống kê dung để đánh giá sản phẩm dự báo RMSE, MAE PC Trong màu xanh thể mức độ nhất, màu đỏ thể mức độ tốt Bảng cho thấy thời điểm dự báo tháng với thời gian dự báo tháng sản phẩm DWD_Echam cho kết Bảng Các số thống kê đánh giá trường nhiệt sản phẩm mơ hình CRU Hạn dự báo Chỉ số NCEP_Cfsv2 CMCC_Cam DWD_Echam ECMWF_Ifs Met_Arp RMSE 3.7 2.3 3.6 2.1 2.1 MAE 3.6 2.2 3.5 2.0 2.0 PC 37.2 40.2 36.7 40.4 40.4 Á r 0.57 0.68 0.30 0.61 0.57 N RMSE 1.9 1.7 2.9 1.7 1.6 MAE 1.8 1.5 2.8 1.6 1.5 PC 37.1 38.9 35.6 37.7 38.7 r 0.43 0.62 0.22 0.55 0.57 (tháng) T H to+1 G to+3 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 74 (6/2021) 133 Hạn dự báo Chỉ số NCEP_Cfsv2 CMCC_Cam DWD_Echam ECMWF_Ifs Met_Arp RMSE 2.3 1.4 2.6 1.4 1.2 MAE 2.2 1.3 2.5 1.3 1.1 PC 34.1 33.0 34.2 34.1 38.7 Á r 0.26 0.21 0.26 0.41 0.21 N RMSE 2.9 1.4 2.6 1.9 1.4 MAE 2.9 1.3 2.5 1.8 1.3 PC 32.8 32.7 33.6 33.2 34.5 r 0.25 0.32 0.21 0.33 0.28 (tháng) T H G to+1 to+3 Giữa sản phẩm DWD_Echam NCEP_Cfsv2 sai khác không lớn, số RMSE dao động 2.3 tới 3.7oC, số MAE dao động 1.8 tới 3.6oC Các sản phẩm CMCC_Cam, ECMWF_Ifs Met_Arp cho kết dự báo tốt tương đồng Tuy nhiên, thời điểm dự báo tháng sản phẩm Met_Arp cho kết tốt với số RMSE (1.2oC, 1.4oC), MAE (1.1oC, 1.3oC) PC (38.7%, 34.5%) cho thời gian dự báo trước tháng tháng tương ứng KẾT LUẬN VÀ KIẾN NGHỊ Nghiên cứu phân tích đánh giá chất lượng dự báo trường mưa nhiệt độ số mơ hình khí hậu tồn cầu cho khu vực Việt Nam Trong nghiên cứu 05 mơ hình đánh giá hai thời điểm dự báo mùa đông (tháng 1) mùa hè (tháng 7) với thời gian dự báo trước tháng sử dụng số thống kê Kết cho thấy, trường mưa sản phẩm từ trung tâm dự báo hạn vừa châu Âu cho kết tốt hai thời điểm dự báo hạn dự báo, đặc biệt khu vực Đồng sông Cửu Long, Việt Nam Trong khi, sản phẩm Trung tâm Dự báo môi trường Hoa Kỳ cho kết trường mưa trường nhiệt độ hai thời điểm dự báo hạn dự báo Với trường nhiệt độ, ngoại trừ sản phẩm Trung tâm Dự báo mơi trường Hoa Kỳ, sản phẩm cịn lại tốt hai thời gian dự báo trước tháng khơng có sai khác lớn, trội sản phẩm Cơ quan khí tượng Pháp Việc đánh giá chất lượng dự báo trường mưa, trường nhiệt từ mô hình khí hậu tồn cầu có ý nghĩa quan trọng, đặc biệt sử dụng sản phẩm làm đầu vào cho toán liên quan tới giám sát tài nguyên nước, dự báo dòng chảy tháng nghiên cứu hạn TÀI LIỆU THAM KHẢO Bộ Tài nguyên Môi trường (MONRE) (2017) "Thông tư số 41/2017/TT-BTNMT Quy định kỹ thuật đánh giá chất lượng dự báo, cảnh báo khí tượng" Phan, V T, Nguyễn, X T (2016) ‘Về khả ứng dụng sản phẩm dự báo mưa hạn mùa mơ hình NCEP-CFS cho khu vực Việt Nam’, Tạp chí Khoa học ĐHQGHN, Các Khoa học Trái đất Môi trường, 32(1), pp 55–56 Frumkin, A., Misra V (2012), “Predictability of dry season reforecasts over the tropical and the subtropical South American region”, International Journal of Climatology DOI 10.1002/joc.3508 (A3) Manzanas, R., Gutiérrez, J M., Bhend, J., Hemri, S., Doblas-Reyes, F J., Torralba, V., Penabad, E., & Brookshaw, A (2019) "Bias adjustment and ensemble recalibration methods for seasonal forecasting: A comprehensive intercomparison using the C3S dataset" Climate Dynamics, 53(3–4), 1287– 1305 https://doi.org/10.1007/s00382-019-04640-4 134 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 74 (6/2021) Phillips, Norman A "The general circulation of the atmosphere: A numerical experiment." Quarterly Journal of the Royal Meteorological Society 82, no 352 (1956): 123-164 Tian D, Wood E F Yuan X (2017) "CFSv2-based sub-seasonal precipitation and temperature forecast skill over the contiguous United States" Hydrol Earth Syst Sci 21 1477–90 Abstract: EVALUATION OF THE FORECASTING QUALITY OF METEOROLOGICAL FIELDS FROM GLOBAL CLIMATE MODELS FOR VIETNAM In recent years, along with the development of science and technology, the quality of forecast products from global dynamical climate models has significantly improved, making an important contribution to socio-economic development However, each forecast time, leadtime and forecasted regions, the forecast quality is very different for one or more different models Therefore, this study will focus on evaluating the forecasting quality of meteorological fields such as precipitation and temperature fields produced from several global climate models that are being run professionally at weather and climate forecasting centers in the world for Vietnam Forecast products from these models are evaluated at the forecast time in the typical months of summer (July) and winter (January) with a leadtime of 1- and 3month The results showed that the European Center for Medium-range Weather Forecasts provides the best forecast results of precipitation field The US National Centers for Environmental Prediction provides the worst forecast results of both precipiation and temperature fields The forecast quality of temperature field is much better than that of precipitaton field and the best product is the product produced by the the French national meteorological service Keywords: Temperature forecast, precipitation forecast, seasonal forecast, global climate model, Vietnam Ngày nhận bài: 21/5/2021 Ngày chấp nhận đăng: 23/6/2021 KHOA HỌC KỸ THUẬT THỦY LỢI VÀ MÔI TRƯỜNG - SỐ 74 (6/2021) 135 ... vùng khí hậu phía Bắc Nam Bộ Việt Nam cho sai số lớn vùng khí hậu Trung Bộ Tây Nguyên Sai số dự báo biến động theo hạn dự báo lại khác biệt đáng kể tháng dự báo Có thể thấy nghiên cứu Việt Nam. .. trung đánh giá chất lượng dự báo trường khí tượng, trường mưa trường nhiệt độ, từ hệ thống dự báo với mơ hình tiên tiến Đó sản phẩm từ Trung tâm dự báo hạn vừa châu Âu (ECMWF), Cơ quan khí tượng. .. số tương quan âm biểu thị mối quan hệ ngược chiều (nghịch biến) dự báo quan trắc Chỉ số phần trăm dự báo PC Đây số dùng đánh giá pha dự báo xác định tỷ số số lần dự báo chia cho tổng số lần dự