In this study, the equations for estimating the number of tropical cyclones (TCs) at a 6-month lead-time in the Vietnam East Sea (VES) have been developed and tested. Three multivariate linear regression models in which regression coefficients were determined by different methods, including 1) method of least squares (MLR), 2) minimum absolute deviation method (LAD), 3) minimax method (LMV). The artificial neural network model (ANN) and some combinations of the above regression models were also used. The VES was divided into the northern region above 15ºN (VES_N15) and the southern one below that latitude (VES_S15). The number of TCs was calculated from the data of the Japan Regional Specialized Meteorological Center (RMSC) for the period 1981-2017. Principal components of the 14 climate indicators were selected as predictors. Results for the training period showed that the ANN model performed best in all 12 times of forecasts, following by the ANN-MLR combination. The poorest result was obtained with the LMV model. Results for the independent dataset showed that the number of adequate forecasts based on the MSSS scores decreased sharply compared to the training period and the models generated generally similar errors. The MLR model tended to give out the best results. Better-forecast results were obtained in the VES_N15 region followed by the VES and then the VES_S15 regions. Keywords: Tropical cyclone, Seasonal prediction, Vietnam East Sea (VES). References: [1] W. Landsea Christopher, Gerald D. Bell, William M. Gray, Stanley B. Goldenberg, The extremely active 1995 Atlantic hurricane season: Environmental conditions and verification of seasonal forecasts, Mon. Wea. Rev. 126 (1998) 1174-1193[2] W. Landsea Christopher, William M. Gray, Paul W. Mielke, Jr, Kenneth J. Berry, Seasonal Forecasting of Atlantic hurricane activity, Weather. 49 (1994) 273-284.[3] M. Gray William, Christopher W. Landsea, Paul W. Mielke, Predicting Atlantic basin seasonal tropical cyclone activity by 1 June, Weather and Forecasting. 9 (1994) 103-115.[4] Neville Nicholls, Chris Landsea, Jon Gill, Recent trends in Australian region tropical cyclone activity, Meteorol. Atmos. Phys. 65 (1998) 197-205.[5] Elsner, James B., Kam-biu Liu, Bethany Kocher, Spatial Variations in Major U.S., Hurricane Activity: Statistics and a Physical Mechanism, J. Climate. 13 (2000) 2293–2305.[6] J. C. L. Chan, Jiuen Shi, Cheukman Lam, Seasonal Forecasting of Tropical Cyclone Activity over the Western North Pacific and the South China Sea. Departmentof Physics and Materials Science, City University of Hong Kong, Kowloon, Hong Kong, China, (1998).[7] J. C. L. Chan, J. E. Shi and C. M. Lam, Seasonal forecasting of tropical cyclone activity over the Western North Pacific and the South China Sea, Wea. Forecasting. 13 (1998) 997-1004.[8] J. C. L. Chan, Tropical cyclone activity over the Western North Pacific associated with El Niño and La Niña events, J. Climate. 13 (2000) 2960-2972.[9] Pao-Shin Chu, Xin Zhao, Chang-Hoi Ho, Hyeong-Seog Kim, Mong-Ming Lu, Joo-Hong Kim, Bayesian forecasting of seasonal typhoon activity: A track-pattern oriented categorization approach, J.Climate. 23 (2010) 6654-6668[10] M. Lu, P.-S. Chu, and Y.-C. Lin, Seasonal prediction of tropical cyclone activity near Taiwan using the Bayesian multivariate regression method, Wea. Forecasting. 25 (2010) 1780–1795.[11] H. J Kwon, W.-J. Lee, S.-H.Won, and E.-J. Cha, Statistical ensemble prediction of the tropical cyclone activity over the Western North Pacific.Geophys. Res. Lett. 34 (2007) L24805. doi:10.1029/2007GL032308[12] J. C. L. Chan, Tropical cyclone activity in the Western North Pacific in relation to the stratospheric quasi-biennial oscillation, Mon. Wea. Rev. 123 (1995) 2567-2571.[13] J. C. L. Chan, Prediction of annual tropical cyclone activity over the Western North Pacific and the South China Sea, Int’l J. Climatol. 15 (1995) 1011-1019.[14] J. C. L. Chan, J. E. Shi and C. M. Lam, Seasonal forecasting of tropical cyclone activity over the Western North Pacific and the South China Sea, Wea.Forecasting. 13 (1998) 997-1004.[15] J.C.L. Chan, J.E. Shi, K.S. Liu, 2001: Improvements in the seasonal forecasting of tropical cyclone activity over the Western North Pacific. Wea. Forecasting, 16, 491-498.[16] J. Klotzbach Philip, Recent developments in statistical prediction of seasonal Atlantic basin tropical cyclone activity, Journal compilation C (2007) Blackwell Munksgaard. DOI: 10.1111/j.1600-0870.2007.00239.x[17] W. Zhang, Y. Zhang, D. Zheng, F. Wang, and L. Xu, Relationship between lightning activity and tropical cyclone intensity over the northwest Pacific, J. Geophys. Res. Atmos. 120 (2015). doi:10.1002/2014JD022334.[18] Phan Van Tan, On the tropical cyclone activity in the Northwest Pacific basin and South China sea in relationship with ENSO, Journal of Science, Vietnam National University, Hanoi, t.XVIII, No1, (2002) 51-58. (In English)[19] Nguyễn Văn Tuyên, Xu hướng hoạt động của xoáy thuận nhiệt đới trên Tây Bắc Thái Bình Dương và biển Đông theo các cách phân loại khác nhau, Tạp chí KTTV. số 559 (2007) tr.4-10.[20] Đinh Bá Duy, Ngô Đức Thành; Phan Văn Tân, 2016, Mối quan hệ giữa ENSO và số lượng, cấp độ Xoáy thuận Nhiệt đới trên khu vực Tây Bắc - Thái Bình Dương, Biển Đông giai đoạn 1951-2015, VNU Journal of Science: Earth and Environmental Sciences, [S.l.], v. 32, n. 3S, sep. (2016) ISSN 2588-1094.[21] Đinh Bá Duy, Ngô Đức Thành, Nguyễn Thị Tuyết, Phạm Thanh Hà, Phan Văn Tân, Đặc điểm hoạt động của Xoáy thuận Nhiệt đới trên khu vực Tây Bắc Thái Bình Dương, Biển Đông và vùng trực tiếp chịu ảnh hưởng trên lãnh thổ Việt Nam giai đoạn 1978-2015, VNU Journal of Science: Earth and Environmental Sciences, [S.l.], v. 32, n. 2, (2016) ISSN 2588-1094.[22] Đinh Văn Ưu, Đánh giá quy luật biến động dài hạn và xu thế biến đổi số lượng bão và áp thấp nhiệt đới trên khu vực Tây Thái Bình Dương, Biển Đông và ven biển Việt Nam, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ. 25 3S, (2009) 542-550.[23] Nguyễn Văn Hiệp và nnk, Đặc điểm hoạt động của bão ở Tây Bắc Thái Bình Dương và Biển Đông qua số liệu Ibtracs, Tuyển tập báo cáo tại Hội thảo khoa học năm 2016 của Viện Khoa học KTTV & BĐKH, (2006) tr. 9-14.[24] Vũ Thanh Hằng, Ngô Thị Thanh Hương,, Phan Văn Tân, Đặc điểm hoạt động của bão ở vùng biển gần bờ Việt Nam giai đoạn 1945-2007, Tạp chí Khoa học ĐHQGHN, Khoa học Tự nhiên và Công nghệ 26, Số 3S, pp 344‐353, 2010[25] Nguyễn Văn Tuyên, Khả năng dự báo hoạt động mùa bão biển Đông Việt Nam: Phân tích các yếu tố dự báo và nhân tố dự báo có thể (Phần I), Tạp chí KTTV, (số 568) tháng 4 năm 2008, tr.1-8.[26] Nguyễn Văn Tuyên, 2008: Khả năng dự báo hoạt động mùa bão biển Đông Việt Nam: Phân tích các yếu tố dự báo và nhân tố dự báo có thể (Phần II). Tạp chí KTTV, số 571, tháng 7 năm 2008, tr.1-11.[27] Phan Văn Tân, 2009-2010, Nghiên cứu tác động của biến đổi khí hậu toàn cầu đến các yếu tố và hiện tượng khí hậu cực đoan ở Việt Nam, khả năng dự báo và giải pháp chiến lược ứng phó. Đề tài cấp Nhà nước, mã số KC08.29/06-10.[28] https://www.jma.go.jp/jma/jma-eng/jma-center/ rsmc-hp-pub-eg/besttrack.html. [29] https://www.esrl.noaa.gov/ psd/data/climateindices/ list/[30] T. Ngo-Duc, J. Matsumoto, H. Kamimera, and H.H. Bui, Monthly adjustment of Global Satellite Mapping of Precipitation (GSMaP) data over the VuGia–ThuBon River Basin in Central Vietnam using an artificial neural network. Hydrological Research Letters. 7(4), (2013) 85-90. doi:10.3178/hrl.7.85.[31] J. C. L. Chan, J. E. Shi and C. M. Lam, Seasonal forecasting of tropical cyclone activity over the Western North Pacific and the South China Sea, Wea. Forecasting. 13 (1998) 997-1004.[32] E. S. Blake, W. M. Gray, Prediction of August Atlantic Basin Hurricane Activity. Wea. Forecasting. 19 (2004) 1044-1060.[33] P. J. Klotzbachi, W. M. Gray, Extended range forecast of Atlantic seasonal Hurricane activity and U. S. landfall strike probability for 2008, (2007) http://hurricane.atmos. colostate.edu/Forecasts.
This study investigates the sensitivity of physical parameterization schemes in two regional dynamic models clWRF (the climate Weather Research and Forecasting) and RegCM (the Regional Climate Model) in the simulation of tropical cyclones (TCs) over Western Pacific Ocean and East Sea. The experiments include 12-cases for clWRF model and 6-cases for RegCM model were conducted to run the simulation, with the same domain parameters, resolution 25 km. Results show that the clWRF can simulate TCs well with the Betts-Miller-Janjic convection scheme and WSM6 microphysics, in which convection schemes are more influential, and the RegCM is with the Kain-Fritsch convection scheme and Zeng oceanic flux. Regarding the number of TCs simulation, most of them are higher than observed and CFSnl (Climate Forecast System analysis) data, therein the RegCM is higher than the clWRF.
This study investigates and assesses the impact of assimilating data types (observed data surface, sounding, and satellite-derived atmospheric motion vectors – AMVs) for the Weather Research and Forecasting (WRF) in forecasting heavy rainfall over Central Highlands region, due to the impact of hurricane Damrey. The WRF model combined with the Gridpoint Statistical Interpolation (GSI) system, was started running at 12Z 03/11/2017, and 84h forecasts in advance, with two kinds for running assimilation "cold start" and "warm start", and with the three-dimensional variational data assimilation (3D-Var) method. The results showed that assimilated cases have improved forecasting about spatial distribution and amount of rainfall at a 24-hour lead time, in which, the "warm start" for better forecasting. Notably, the assimilation of AMVs data with the "warm start" run has improved forecasting quality of heavy rainfall, the POD, FAR, and CSI indicators are the best at the 24-hour lead time, for rainfall thresholds greater than 80mm.
In this paper, the relationship between Tropical Cyclone (TC) Genesis Potential Index (GPI) and the number of TC (NTC) associated with ENSO over the Vietnam East Sea (VES) was investigated. Observed TC data of the Regional Specialized Meteorological Center (RSMC) Tokyo Typhoon Center and ERA Interim reanalysis data for the period 1985-2015 were used. The results show a good agreement between GPI and NTC over the VES with the correlation coefficient is 0.84. There were more TCs formed over the VES during La Nina years and less TCs during El Nino years. There were positive anomalies of GPI, environmental factors (relative humidity, sea surface temperature, absolute vorticity, potential intensity)over the region where the highest densityof TCs genesis locatedduring La Nina years while there were negative anomalies found during El Nino years. Relative humidity has the largest contribution to the positive difference GPI between La Nina years and El Nino years, the less contribution comes from the potential intensity, absolute vorticity, and wind shear. 92Khảo sát mối quan hệ giữa sự hình thành bão và chỉ số tiềm năng hình thành xoáy thuận nhiệt đới trên khu vực Biển Đông Nhận ngày 17 tháng 4 năm 2019 Chỉnh sửa ngày 03 tháng 6 năm 2019; Chấp nhận đăng ngày 16 tháng 6 năm 2019Tóm tắt: Trong nghiên cứu này mối liên hệ giữa chỉ số tiềm năng hình thành (GPI) và sự hình thành bão trên khu vực biển Đông cũng như vai trò của ENSO đã được khảo sát. Dữ liệu được sử dụng là bão quan trắc từ trung tâm cảnh báo bão RSMC Typhoon Center và số liệu tái phân tích ERA_Interim của Trung tâm Dự báo thời tiết hạn vừa Châu Âu giai đoạn 1985-2015. Kết quả cho thấy GPI và số lượng bão hình thành trung bình tháng trên khu vực có sự liên hệ chặt chẽ với với nhau, với hệ số tương quan cao (0.84). Số lượng bão hình thành trong năm La Nina cao hơn so với năm El Nino, dị thường GPI và các nhân tố môi trường (độ ẩm tương đối, nhiệt độ mặt nước biển, xoáy tuyệt đối, cường độ tiềm năng) trong năm La Nina dương và có tâm dương lớn phù hợp với phân bố bão tập trung trong năm La Nina. Dị thường GPI và các nhân tố môi trường có xu thế âm trong năm El Nino. Độ ẩm tương đối có đóng góp lớn nhất đến độ lệch GPI dương giữa năm La Nina và El Nino, tiếp đến là tốc độ tiềm năng trong khi đóng góp ít nhất là xoáy tuyệt đối và độ đứt gió. Từ khóa: GPI, sự hình thành bão, ENSO, Biển Đông. hoàn lưu qui mô lớn (nhân tố môi trường) [1]. Năm 2004, Emanuel và Nolan [1] đã đưa ra chỉ số tiềm năng hình thành đối với bão khi sử dụng kết hợp các nhân tố môi trường qui mô lớn. Theo
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.