Luận án tiến sĩ về mô phỏng mưa đối lưu bằng mô hình RAMS tại khu vực Trung Bộ

Luận án tiến sĩ nghiên cứu nghiên cứu mô phỏng mưa đối lưu bằng mô hình rams cho khu vực trung bộ luận án ts khí tượng học62, phát triển phương pháp mới, đánh giá hiệu quả ứng

• Tác giả: Nguyễn Minh Trường
• Người hướng dẫn: GS. Trần Tấn Tiến
• Trường học: Đại học quốc gia Hà Nội
• Chuyên ngành: Khí tượng học
• Đề tài: Nghiên Cứu Mô Phỏng Mưa Đối Lưu Bằng Mô Hình RAMS
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2008
• Địa điểm: Hà Nội

Mục lục chi tiết

• Lời cam đoan
• Lời cảm ơn
• Mục lục
• Danh mục các ký hiệu và chữ viết tắt
• Danh mục các bảng
• Danh mục các hình vẽ và đồ thị
• Mở đầu
• 1. CHƯƠNG 1: TỔNG QUAN VỀ DÒNG, MÂY VÀ MƯA TRÊN ĐỊA HÌNH NÓI
• 1.1. Dòng trên địa hình nói
• 1.1.1. Động lực học dòng trên nói đơn
• 1.2. Dòng trên dãy nói có dạng hình sin
• 1.3. Mưa trên địa hình nói
• 2. CHƯƠNG 2: MÔ HÌNH SỐ VỀ THAM SỐ HÓA ĐỐI LƯU DÙNG TRONG MÔ HÌNH QUI MÔ VỪA
• 2.1. Bài toán tham số hóa
• 2.2. Một ví dụ về số đo Fritsch-Chappell
• 2.3. Các phương trình qui mô lính
• 2.4. Một ví dụ về số đo Tiedtke
• 2.5. Một số số đo và kết quả nghiên cứu khác
• 3. CHƯƠNG 3: CẢI TIẾN SỐ ĐỐI LƯU KAIN-FRITSCH CHO MÔ HÌNH QUI MÔ VỪA RAMS
• 3.1. Giới thiệu về mô hình RAMS
• 3.2. Một số đặc trưng toàn lý của mô hình RAMS
• 3.3. Hệ các phương trình cơ bản
• 3.4. Sai phân thời gian
• 3.5. Tham số hóa các quá trình vật lý
• 3.6. Ban đầu hóa địa hình
• 3.7. Số đo Kain-Fritsch gốc
• 3.8. Hàm kích hoạt đối lưu
• 3.9. Dòng thẳng đối lưu ẩm
• 3.10. Dòng giằng đối lưu ẩm
• 3.11. Cải tiến số đo Kain-Fritsch
• 4. CHƯƠNG 4: MỘT SỐ KẾT QUẢ TÍNH TOÁN CHO KHU VỰC TRUNG BỘ
• 4.1. Mô phỏng lý tưởng hóa
• 4.2. Thực nghiệm số
• 4.3. Sự đặt năng đối lưu
• 4.4. Phân tích nhân tố
• 4.5. Thực nghiệm số mô phỏng sự kiện thực
• 4.6. Hình thái synép và số liệu đo đạc
• 4.7. Mô phỏng hoàn lưu qui mô lính
• 4.8. Mưa mô phỏng
• 5. TƯƠNG TÁC ĐỐI LƯU-QUI MÔ LÍNH, NGUYÊN NHÂN CỦA SỰ CẢI TIẾN CHẤT LƯỢNG
• Danh mục công trình khoa học của tác giả liên quan
• Đơn luận án
• Tài liệu tham khảo

Tóm tắt

I. Tổng quan về nghiên cứu mô phỏng mưa đối lưu bằng mô hình RAMS

Nghiên cứu mô phỏng mưa đối lưu là một lĩnh vực quan trọng trong khí tượng học, đặc biệt là trong việc dự báo thời tiết. Mô hình RAMS (Regional Atmospheric Modeling System) đã được phát triển để mô phỏng các hiện tượng khí quyển phức tạp, bao gồm cả mưa đối lưu. Mô hình này cho phép các nhà nghiên cứu phân tích và dự đoán các điều kiện thời tiết một cách chính xác hơn. Việc áp dụng mô hình RAMS trong nghiên cứu mưa đối lưu không chỉ giúp cải thiện độ chính xác của dự báo thời tiết mà còn cung cấp thông tin quý giá cho các hoạt động nông nghiệp và quản lý tài nguyên nước.

1.1. Mô hình RAMS và ứng dụng trong nghiên cứu khí tượng

Mô hình RAMS là một công cụ mạnh mẽ trong nghiên cứu khí tượng, cho phép mô phỏng các hiện tượng thời tiết quy mô nhỏ. Mô hình này sử dụng các phương trình vật lý để mô phỏng sự chuyển động của không khí và sự tương tác giữa các yếu tố khí tượng. Việc áp dụng mô hình RAMS trong nghiên cứu mưa đối lưu giúp các nhà khoa học hiểu rõ hơn về cơ chế hình thành và phát triển của mưa, từ đó cải thiện khả năng dự báo.

1.2. Tầm quan trọng của nghiên cứu mưa đối lưu

Mưa đối lưu có ảnh hưởng lớn đến môi trường và đời sống con người. Nghiên cứu về mưa đối lưu giúp xác định các yếu tố ảnh hưởng đến lượng mưa, từ đó đưa ra các biện pháp ứng phó hiệu quả. Đặc biệt, trong bối cảnh biến đổi khí hậu, việc hiểu rõ về mưa đối lưu trở nên cấp thiết hơn bao giờ hết.

II. Các thách thức trong mô phỏng mưa đối lưu bằng mô hình RAMS

Mặc dù mô hình RAMS đã được sử dụng rộng rãi trong nghiên cứu khí tượng, nhưng vẫn còn nhiều thách thức trong việc mô phỏng mưa đối lưu. Một trong những thách thức lớn nhất là độ chính xác của dữ liệu đầu vào. Các yếu tố như độ ẩm, nhiệt độ và áp suất không khí cần được đo đạc chính xác để mô hình hoạt động hiệu quả. Ngoài ra, việc tính toán các quá trình vật lý phức tạp trong khí quyển cũng là một thách thức lớn.

2.1. Độ chính xác của dữ liệu đầu vào

Dữ liệu đầu vào chính xác là yếu tố quyết định đến độ tin cậy của mô hình RAMS. Việc thu thập và xử lý dữ liệu khí tượng từ các trạm quan trắc là rất quan trọng. Nếu dữ liệu không chính xác, kết quả mô phỏng sẽ bị sai lệch, ảnh hưởng đến khả năng dự báo.

2.2. Các quá trình vật lý phức tạp

Mô phỏng mưa đối lưu yêu cầu tính toán nhiều quá trình vật lý phức tạp như sự bốc hơi, ngưng tụ và chuyển động của không khí. Những quá trình này cần được mô hình hóa chính xác để đảm bảo kết quả mô phỏng phản ánh đúng thực tế.

III. Phương pháp mô phỏng mưa đối lưu bằng mô hình RAMS

Để mô phỏng mưa đối lưu hiệu quả, mô hình RAMS sử dụng nhiều phương pháp khác nhau. Một trong những phương pháp chính là phương pháp Kain-Fritsch, được áp dụng để cải thiện độ chính xác của mô hình trong việc dự đoán lượng mưa. Phương pháp này cho phép mô hình tính toán các quá trình đối lưu một cách chính xác hơn, từ đó nâng cao khả năng dự báo thời tiết.

3.1. Phương pháp Kain Fritsch trong mô hình RAMS

Phương pháp Kain-Fritsch là một trong những phương pháp phổ biến nhất trong mô hình RAMS. Phương pháp này giúp cải thiện khả năng mô phỏng các hiện tượng đối lưu, từ đó nâng cao độ chính xác của dự báo mưa. Việc áp dụng phương pháp này đã cho thấy những kết quả tích cực trong nhiều nghiên cứu.

3.2. Các cải tiến trong mô hình RAMS

Mô hình RAMS không ngừng được cải tiến để đáp ứng nhu cầu nghiên cứu ngày càng cao. Các cải tiến này bao gồm việc cập nhật các phương trình vật lý, cải thiện độ phân giải không gian và thời gian, cũng như tối ưu hóa các thuật toán tính toán. Những cải tiến này giúp mô hình hoạt động hiệu quả hơn trong việc mô phỏng mưa đối lưu.

IV. Kết quả nghiên cứu và ứng dụng thực tiễn

Nghiên cứu mô phỏng mưa đối lưu bằng mô hình RAMS đã mang lại nhiều kết quả đáng chú ý. Các nghiên cứu đã chỉ ra rằng mô hình này có khả năng dự đoán lượng mưa với độ chính xác cao, đặc biệt là trong các điều kiện thời tiết khắc nghiệt. Kết quả nghiên cứu không chỉ có giá trị trong lĩnh vực khí tượng mà còn có ứng dụng thực tiễn trong quản lý tài nguyên nước và nông nghiệp.

4.1. Đánh giá độ chính xác của mô hình RAMS

Các nghiên cứu đã tiến hành đánh giá độ chính xác của mô hình RAMS trong việc dự đoán mưa đối lưu. Kết quả cho thấy mô hình này có khả năng dự đoán lượng mưa với sai số thấp, đặc biệt là trong các khu vực có điều kiện khí hậu phức tạp.

4.2. Ứng dụng trong quản lý tài nguyên nước

Kết quả từ mô hình RAMS có thể được sử dụng để cải thiện quản lý tài nguyên nước. Việc dự đoán chính xác lượng mưa giúp các nhà quản lý có thể lập kế hoạch sử dụng nước hiệu quả hơn, từ đó giảm thiểu thiệt hại do thiên tai.

V. Kết luận và triển vọng tương lai của nghiên cứu

Nghiên cứu mô phỏng mưa đối lưu bằng mô hình RAMS đã mở ra nhiều cơ hội mới trong lĩnh vực khí tượng học. Những kết quả đạt được không chỉ giúp cải thiện độ chính xác của dự báo thời tiết mà còn cung cấp thông tin quý giá cho các lĩnh vực khác nhau. Trong tương lai, việc tiếp tục cải tiến mô hình và áp dụng các công nghệ mới sẽ giúp nâng cao khả năng dự đoán mưa đối lưu, từ đó phục vụ tốt hơn cho nhu cầu của xã hội.

5.1. Triển vọng phát triển mô hình RAMS

Mô hình RAMS có tiềm năng phát triển mạnh mẽ trong tương lai. Việc áp dụng các công nghệ mới như trí tuệ nhân tạo và học máy có thể giúp cải thiện độ chính xác của mô hình, từ đó nâng cao khả năng dự đoán mưa đối lưu.

5.2. Tầm quan trọng của nghiên cứu khí tượng trong bối cảnh biến đổi khí hậu

Trong bối cảnh biến đổi khí hậu, nghiên cứu khí tượng trở nên cấp thiết hơn bao giờ hết. Việc hiểu rõ về mưa đối lưu và các yếu tố ảnh hưởng đến nó sẽ giúp các nhà khoa học đưa ra các biện pháp ứng phó hiệu quả, từ đó giảm thiểu thiệt hại do thiên tai.

Trích đoạn nội dung tài liệu

®¹i häc quèc gia hµ néi tr−êng ®¹i häc khoa häc tù nhiªn nguyÔn minh tr−êng nghiªn cøu m« pháng m−a ®èi l−u b»ng m« h×nh rams cho khu vùc trung bé luËn ¸n tiÕn sÜ ngµnh khÝ t−îng Hμ Néi - 2008 TIEU LUAN MOI download : [e-mail] ®¹i häc quèc gia hµ néi tr−êng ®¹i häc khoa häc tù nhiªn -----***----- NguyÔn Minh Tr−êng nghiªn cøu m« pháng m−a ®èi l−u b»ng m« h×nh rams cho khu vùc trung bé Chuyªn ngµnh: KhÝ t−îng häc M· sè: 62.01 luËn ¸n tiÕn sÜ ngµnh khÝ t−îng ng−êi h−íng dÉn khoa häc GS. TrÇn T©n TiÕn Hµ Néi - 2008 TIEU LUAN MOI download : [e-mail] môc lôc Trang Trang phô b×a 1 Lêi cam ®oan 2 Lêi c¶m ¬n 3 Môc lôc 4 Danh môc c¸c ký hiÖu vµ ch÷ viÕt t¾t 7 Danh môc c¸c b¶ng 9 Danh môc c¸c h×nh vÏ vµ ®å thÞ 10 Më ®Çu 15 Ch−¬ng i Tæng quan vÒ dßng, m©y vµ m−a trªn ®Þa 20 h×nh nói 1.1 Dßng trªn ®Þa h×nh nói 20 1.1 §éng lùc häc dßng trªn nói ®¬n 20 1.2 Dßng trªn d·y nói cã d¹ng h×nh sin 24 1.2 M−a trªn ®Þa h×nh nói 35 Ch−¬ng 2 Mét sè s¬ ®å tham sè ho¸ ®èi l−u dïng 46 trong m« h×nh qui m« võa 2.1 Bµi to¸n tham sè ho¸ 51 2.3 Mét vÝ dô vÒ s¬ ®å Fritsch-Chappell 59 2.1 C¸c ph−¬ng tr×nh qui m« lín 60 2.3 Mét vÝ dô vÒ s¬ ®å Tiedtke 66 4 TIEU LUAN MOI download : skknchat@gmail.4 Mét sè s¬ ®å vµ kÕt qu¶ nghiªn cøu kh¸c 67 Ch−¬ng 3 C¶i tiÕn s¬ ®å kain-fritsch cho m« h×nh qui 73 m« võa rams 3.1 Giíi thiÖu vÒ m« h×nh RAMS 73 3.2 Mét sè ®Æc tr−ng to¸n-lý cña m« h×nh RAMS 75 3.1 HÖ c¸c ph−¬ng tr×nh c¬ b¶n 75 3.2 Sai ph©n thêi gian 76 3.3 Tham sè ho¸ c¸c qu¸ tr×nh vËt lý 78 3.6 Ban ®Çu ho¸ ®Þa h×nh 83 3.3 S¬ ®å Kain-Fritsch gèc 85 3.1 Hµm kÝch ho¹t ®èi l−u 86 3.2 Dßng th¨ng ®èi l−u Èm 87 3.3 Dßng gi¸ng ®èi l−u Èm 88 3.4 C¶i tiÕn s¬ ®å Kain-Fritsch 90 Ch−¬ng 4 Mét sè kÕt qu¶ tÝnh to¸n cho khu vùc 99 trung bé 4.1 M« pháng lý t−ëng ho¸ 99 4.1 Thùc nghiÖm sè 99 4.3 §èt nãng ®èi l−u 103 4.4 Ph©n tÝch nh©n tè 105 4.2 Thùc nghiÖm sè m« pháng sù kiÖn thùc 106 4.3 H×nh thÕ synèp vµ sè liÖu ®o ®¹c 109 4.4 M« pháng hoµn l−u qui m« lín 115 4.5 M−a m« pháng 116 5 TIEU LUAN MOI download : skknchat@gmail.6 T−¬ng t¸c ®èi l−u-qui m« lín, nguyªn nh©n cña sù c¶i tiÕn 121 chÊt l−îng KÕt luËn 130 Danh môc c«ng tr×nh khoa häc cña t¸c gi¶ liªn quan 132 ®Õn luËn ¸n Tµi liÖu tham kh¶o 133 6 TIEU LUAN MOI download : [e-mail] Danh môc c¸c ký hiÖu vμ ch÷ viÕt t¾t A DiÖn tÝch « l−íi Ad DiÖn tÝch dßng gi¸ng AE DiÖn tÝch m«i tr−êng cña m©y ®èi l−u Au DiÖn tÝch dßng th¨ng ABE N¨ng l−îng næi hiÖu dông ADV B×nh l−u AOR M−a ®o ®¹c tÝch luü B Lùc næi CAPE N¨ng l−îng ®èi l−u tiÒm n¨ng CASR M−a ®èi l−u tÝch luü m« pháng CIN N¨ng l−îng c¶n ®èi l−u CISK BÊt æn ®Þnh cã ®iÒu kiÖn lo¹i 2 CPS S¬ ®å tham sè ho¸ ®èi l−u CSU §¹i häc Tæng hîp bang Colorado CT §Ønh m©y D Dßng cuèn ra DMF Th«ng l−îng khèi l−îng dßng gi¸ng §TG §ång t¸c gi¶ E Dßng cuèn vµo ETL Mùc c©n b»ng nhiÖt ®é Fr Sè Froude GFU Dßng th¨ng front giã giËt k Sè sãng ngang hoÆc mùc m« h×nh l Tham sè Scorer LCL Mùc ng−ng kÕt n©ng LFC Mùc ®èi l−u tù do LFS Mùc gi¸ng tù do LLJ Dßng xiÕt mùc thÊp 7 TIEU LUAN MOI download : [e-mail] M Th«ng l−îng khèi l−îng NASA C¬ quan Hµng kh«ng vµ Vò trô, Hoa Kú NCAR Trung t©m Quèc gia Nghiªn cøu KhÝ quyÓn, Hoa Kú NCEP Trung t©m Quèc gia Dù b¸o M«i tr−êng, Hoa Kú NG L−íi con NOAA C¬ quan qu¶n lý KhÝ quyÓn vµ §¹i d−¬ng, Hoa Kú Nw TÇn sè Brunt-Vaisala Èm ODEP Plume mét chiÒu cã dßng cuèn vµo PBE N¨ng l−îng næi tiÒm n¨ng PDB Tû sè gi÷a gradient th¼ng ®øng cña nhiÔu ®éng ¸p suÊt vµ lùc næi PG L−íi mÑ Q Tèc ®é ®èt nãng/lµm l¹nh RAMS HÖ thèng m« h×nh ho¸ khÝ quyÓn khu vùc RASR M−a qui m« l−íi tÝch luü m« pháng RH §é Èm t−¬ng ®èi SST NhiÖt ®é mÆt n−íc biÓn TAMEX Thùc nghiÖm qui m« võa khu vùc §µi Loan TASR M−a tÝch luü m« pháng TF Hµm kÝch ho¹t ®èi l−u TKE §éng n¨ng rèi TMI Sè liÖu m−a ®o b»ng vi sãng TRMM Ch−¬ng tr×nh ®o m−a nhiÖt ®íi Tu NhiÖt ®é dßng th¨ng U Tèc ®é dßng nÒn UMF Th«ng l−îng khèi l−îng dßng th¨ng USL Líp nguån ®èi l−u UTC HÖ täa ®é thêi gian phæ th«ng τc Qui m« thêi gian ®èi l−u 8 TIEU LUAN MOI download : [e-mail] Danh môc c¸c b¶ng Trang B¶ng 2.1 Sai sè vµ bias cho c¸c tr−êng nhiÖt ®é vµ ®é Èm trung b×nh 69 trªn cao th¸ng 7/1999. C¸c gi¸ trÞ bias víi chØ sè KF, BMJ, Grell chØ ®é lÖch gi÷a c¸c bias trung b×nh cã ®é tin cËy thèng kª trªn 95% (Gochis vµ c¸c §TG 2002).1 Mét sè module vËt lý quan träng cña m« h×nh RAMS.1 Bèn thùc nghiÖm sè víi ®Þa h×nh lý t−ëng ho¸.2 Bèn thùc nghiÖm sè m« pháng sù kiÖn m−a lín ngµy 24- 106 26/11/2004. 9 TIEU LUAN MOI download : [e-mail] Danh môc c¸c h×nh vÏ vμ ®å thÞ Trang H×nh 1.1 MÆt c¾t th¼ng ®øng cña tèc ®é giã ngang vÏ qua 4 m s-1 (tr¸i), 21 ®−êng dßng vµ xo¸y ngang (ph¶i) (Doyle vµ Durran, 2002).2 MÆt c¾t th¼ng ®øng cña ®−êng dßng, xo¸y ngang (vïng mµu) 22 cho líp ®øt giã tõ 4-7 km (a), vµ tõ 2-4 km (b) (Doyle vµ Durran, 2002).3 Sãng lan truyÒn vµo tÇng b×nh l−u (ph¶i) vµ c¸c vïng vì sãng 23 trong nöa d−íi tÇng ®èi l−u (tr¸i d−íi) vµ tÇng b×nh l−u (tr¸i trªn) thÓ hiÖn qua c¸c ®−êng ®¼ng trÞ cña nhiÖt ®é thÕ vÞ (Leutcher vµ Volkert, 2000).4 §−êng dßng trong dßng dõng v−ît qua nói h×nh sin dµi v« h¹n 25 khi (a) sè sãng ®Þa h×nh v−ît qu¸ tham sè Scorer (nói hÑp) vµ (b) sè sãng ®Þa h×nh nhá h¬n tham sè Scorer (nói réng) (Durran, 1986b).5 §−êng dßng cña dßng dõng trªn nói c« lËp h×nh chu«ng khi so 29 s¸nh t−¬ng ®èi víi tr¹ng th¸i cña dßng: (a) nói hÑp, (b) nói cã bÒ réng t−¬ng ®−¬ng víi tham sè Scorer, vµ (c) lµ nói réng, vïng tèi lµ n¬i m©y cã thÓ xuÊt hiÖn (Durran, 1986b).7 KÕt qu¶ m« pháng sè cho dßng hai chiÒu ®o¹n nhiÖt g©y ra 31 sãng biªn ®é lín.

BÇu khÝ quyÓn ®Æc tr−ng bëi mét líp kÐm æn ®Þnh phÝa trªn vµ mét líp æn ®Þnh h¬n phÝa d−íi sãng khuÊt nói bÞ "bÉy". C¸c ®−êng ®¼ng trÞ lµ nhiÖt ®é thÕ, vïng tèi lµ n¬i mµ 10 TIEU LUAN MOI download : [e-mail] m©y cã thÓ h×nh thµnh nÕu kh«ng khÝ ®ñ Èm (Durran, 1986a).8 KÕt qu¶ m« pháng sè cho dßng hai chiÒu ®o¹n nhiÖt g©y ra 33 sãng biªn ®é lín. Trong tr−êng hîp nµy tr¹ng th¸i nÒn cã mét líp tíi h¹n vµ hiÖn t−îng vì sãng ®· x¶y ra. C¸c ®−êng ®¼ng trÞ lµ nhiÖt ®é thÕ, vïng tèi lµ n¬i mµ m©y cã thÓ h×nh thµnh nÕu kh«ng khÝ ®ñ Èm (Durran vµ Klemp, 1987).9 C¸c tr¹ng th¸i cña dßng n−íc n«ng v−ît ®Þa h×nh: (a) dßng trªn 34 tíi h¹n (supercritical) ë mäi n¬i; (b) dßng d−íi tíi h¹n (subcritical) ë mäi n¬i vµ (c) lµ dßng cã b−íc nh¶y thñy lùc (hydraulic jump) (Durran, 1986a).10 C¬ chÕ h×nh thµnh m−a ®Þa h×nh: (a) m−a s−ên ®ãn giã trong 36 khÝ quyÓn æn ®Þnh, (b) m−a ®Þa h×nh trong khÝ quyÓn bÊt æn ®Þnh, vµ (c) M−a ®Þa h×nh g©y ra bëi c¬ chÕ “m©y nu«i d−ìng” (Lin, 1993).11 M« h×nh t¸i sinh vµ lan truyÒn æ ®èi l−u.

Bao gåm bèn giai 37 ®o¹n: (a) h×nh thµnh vµ duy tr× dßng th¨ng trong front giã giËt- GFU, (b) b×nh l−u ë r×a cña GFU ®ang ph¸t triÓn, (c) æ ®èi l−u ®ang ph¸t triÓn c1 bÞ c¾t rêi khái GFU bëi dßng gi¸ng båi hoµn phÝa ng−îc dßng, vµ (d) t¸i sinh æ vµ cïng tån t¹i mode ph¸t triÓn (c2 vµ c3) vµ mode lan truyÒn (c1) (Lin vµ c¸c §TG, 1998).12 MÆt c¾t th¼ng ®øng cña nhiÖt ®é thÕ (®−êng liÒn m¶nh), tèc ®é 39 th¼ng ®øng (vïng mê), l−îng n−íc m−a (®−êng liÒn ®Ëm), vµ biªn cña dßng mËt ®é (®−êng chÊm ®Ëm) cho Fw = 0,208 vµ U = 2,5 m s-1 (Chu vµ Lin, 2000).13 MÆt c¾t th¼ng ®øng cña biªn m©y (®−êng liÒn ®Ëm), tèc ®é 41 th¼ng ®øng (®−êng m¶nh liÒn- tèc ®é d−¬ng, nÐt ®øt- tèc ®é ©m), l−îng n−íc m−a (vïng tèi), vµ biªn cña dßng mËt ®é (nÐt ®øt ®Ëm) sau 2 (a), 4 (b), 6 (c) vµ 8 (d) giê (Chu vµ Lin, 2000). 44 11 TIEU LUAN MOI download : skknchat@gmail.1 (a) C−êng ®é m−a qui m« lín (®−êng ®øt) vµ m−a ®èi l−u 59 (vïng mµu) vÏ qua 1, 5, 10, vµ 20 mm h-1 lóc 03 UTC 11/6/1985.2 (a) L−îng m−a ngµy lÊy trung b×nh tõ 1/6/1985 ®Õn 1/5/1986 67 sö dông s¬ ®å Tiedtke.3 (a) Tæng s¶n phÈm ng−ng kÕt (®−êng ®øt, vÏ qua 0.5 g kg-1) vµ 68 tèc ®é ®èt nãng ®èi l−u (®−êng liÒn vÏ qua 1 K h-1) tÝch luü theo chiÒu th¼ng ®øng lóc 03 UTC 11/6/1985.4 Tæng l−îng m−a tÝch luü th¸ng 7/1999 cho (a) s¬ ®å Betts- 69 Miller-J¹njic, (b) s¬ ®å Kain-Fritsch, (c) s¬ ®å Grell, vµ (d) sè liÖu m−a ®o ®¹c ph©n tÝch sö dông m¹ng thÇn kinh nh©n t¹o (Gochis vµ c¸c §TG 2002).5 HiÖu nhiÖt ®é m« pháng trung b×nh vµ quan tr¾c (trôc hoµnh, 70 0 K) trªn c¸c mÆt ®¼ng ¸p c¬ b¶n (trôc tung) cho c¸c tr¹m TUS (a), DRT (b), GYM (c), MCV (d), MZT (e), MAN (f) vµ GUD (g) (Gochis vµ c¸c §TG 2002).1 §Þnh nghÜa trung b×nh theo ph−¬ng ngang cña biÕn qui m« 94 l−íi dïng trong m« h×nh RAMS, theo Pielke (2001).1 Gi¶n ®å nhiÖt ®éng t¹i 16,0°N-108,2°E do RAMS néi suy tõ sè 100 liÖu t¸i ph©n tÝch NCEP-NCAR lóc 00 UTC ngµy 24/11/2004.2 Ph©n bè TASR 24 giê (mm) cho m« pháng lý t−ëng f0 (a), f2 101 (b), f1 (c), vµ f12 (d). §−êng ®¼ng trÞ vÏ c¸ch nhau 10 mm. Vïng t« ®Ëm lµ ®Þa h×nh (m).2, ngo¹i trõ vÏ cho RASR.

§−êng ®¼ng trÞ vÏ 102 12 TIEU LUAN MOI download : [e-mail] c¸ch nhau 1,25 mm.4 MÆt c¾t th¼ng ®øng-vÜ h−íng ®i qua t©m miÒn tÝnh cho vector 103 giã vµ tèc ®é ®èt nãng ®èi l−u sau 4 (a), 8 (b), 12 (c), 16 (d), 20 (e), vµ 24 (f) giê tÝch ph©n cho tr−êng hîp f1. C¸c ®−êng ®¼ng trÞ vÏ qua 8x10-4 K s-1.4, ngo¹i trõ vÏ cho tr−êng hîp f12. §−êng ®¼ng trÞ vÏ c¸ch nhau 10 mm.7 CÊu h×nh miÒn tÝnh cho m« pháng sù kiÖn thùc.8 ¸p suÊt mÆt biÓn vµ tr−êng giã mùc 1000 mb khu vùc ViÖt 108 Nam lóc 00 UTC ngµy 24/11/2004. Sè liÖu t¸i ph©n tÝch NCEP- NCAR.