Bài báo đánh giá khả năng dự báo lượng mưa tháng và mùa cho 7 vùng khí hậu Việt Nam bằng phương pháp hạ quy mô động lực, sử dụng các mô hình khí hậu clWRF và RegCM với dữ liệu từ mô hình khí hậu toàn cầu NCEP CFSv2. Hai mô hình dự báo tốt nhất trên các vùng khí hậu phía Bắc, nhưng sai số dự báo lớn ở Tây Nguyên và Nam Bộ trong các tháng mùa khô. RegCM dự báo gần với quan trắc hơn tại Bắc Trung Bộ, Nam Trung Bộ và Tây Nguyên, trong khi clWRF cho sai số nhỏ hơn tại Nam Bộ. Với hạn dự báo 5 tháng, sai số dự báo lớn hơn đáng kể so với hạn 1 và 3 tháng vào tháng 9, 10, 11, 12 tại Tây Bắc, Đông Bắc và Đồng bằng Bắc Bộ, và vào tháng 1, 2, 11, 12 tại bốn vùng khí hậu còn lại, trong khi vào tháng 3, 4, 5 với hạn 5 tháng, hai mô hình dự báo chính xác nhất cho bốn vùng này. Mối tương quan giữa lượng mưa dự báo và quan trắc còn thấp, phản ánh sự phức tạp trong dự báo mưa hạn mùa. Do đó, cần nghiên cứu áp dụng các phương pháp hiệu chỉnh lượng mưa sau mô hình để cải thiện chất lượng dự báo.

This paper evaluates the ability to forecast monthly and seasonal rainfall in seven climatic regions of Vietnam using the dynamical downscaling method, employing two climate models, clWRF and RegCM, with input data f-rom the global climate model (NCEP CFSv2). The results indicate that the models perform best in the northern regions. However, significant forecast errors occur in the Central Highlands and Southern regions during dry months. The RegCM model provides more accurate rainfall forecasts in the North Central, South Central, and Central Highlands regions, while the clWRF model performs better in the Southern region. Forecast quality varies with lead times. At 5-month lead time, the models show considerably larger errors compared to 1- and 3- month lead times, particularly in September, October, November, and December in the Northwest, Northeast, and Red River Delta regions. Similarly, higher errors happen in January, February, November, and December in the other regions, while in March, April, and May, the models using 5-month lead time exhibit the lowest errors in these regions. The correlation between forecasted and observed rainfall remains low, emphasizing the complexity of seasonal rainfall forecast. Therefore, exploring post-model correction methods is needed to improve forecast quality.