Trong bối cảnh thiên tai ngày càng cực đoan và khó lường, việc nâng cao năng lực dự báo và cảnh báo sớm đang trở thành yêu cầu cấp thiết. Tại hội thảo “Công nghệ mới trong dự báo và cảnh báo sớm thiên tai” sáng 18/3, TS. Bùi Du Dương, Phó Viện trưởng Viện Khoa học Tài nguyên nước, cho rằng cách tiếp cận tích hợp “hybrid” (gọi tắt là tích hợp), kết hợp đa nguồn dữ liệu và đa mô hình, là hướng đi hiệu quả để cải thiện chất lượng dự báo tại Việt Nam.
Từ dự báo đơn lẻ đến tích hợp đa nguồn
Theo TS. Bùi Du Dương, các hệ thống dự báo truyền thống thường dựa vào một nguồn dữ liệu hoặc một loại mô hình nhất định, dẫn đến hạn chế khi đối mặt với các hiện tượng thời tiết cực đoan. Trong khi đó, cách tiếp cận tích hợp cho phép tích hợp nhiều nguồn dữ liệu khác nhau như quan trắc thực đo, viễn thám, cùng với các mô hình toán lý và trí tuệ nhân tạo.
“Mô hình tích hợp không phải là thay thế mô hình truyền thống, mà là bổ trợ để tận dụng ưu điểm của từng phương pháp”, ông nói.
Cụ thể, mô hình toán lý giúp mô tả các quy luật tự nhiên của khí tượng và thủy văn, trong khi AI có khả năng học từ dữ liệu để hiệu chỉnh sai số. Dữ liệu viễn thám cung cấp góc nhìn không gian rộng, còn số liệu thực đo đóng vai trò kiểm chứng. Khi kết hợp các yếu tố này, hệ thống dự báo có thể đạt độ ổn định và độ tin cậy cao hơn.
Không chỉ dừng ở dự báo mưa và dòng chảy, cách tiếp cận hybrid được áp dụng cho nhiều bài toán khác nhau. Theo nhóm nghiên cứu, có thể chia thành bốn hướng chính.
Thứ nhất là dự báo mưa và dòng chảy trong khoảng từ hai tuần đến theo mùa. Đây là cơ sở để cảnh báo sớm các nguy cơ như lũ lụt, hạn hán hay thiếu nước.
Thứ hai là cảnh báo sạt lở đất, kết hợp dữ liệu mưa, viễn thám và thông tin thủy văn. Việc tích hợp nhiều nguồn dữ liệu giúp nhận diện nguy cơ không chỉ dựa vào lượng mưa mà còn tính đến trạng thái địa hình và độ ẩm đất.
Thứ ba là đánh giá xói mòn lưu vực, bồi lắng hồ chứa và vận chuyển trầm tích. Đây là yếu tố quan trọng trong quản lý lâu dài, ảnh hưởng đến dung tích hồ và hiệu quả khai thác tài nguyên nước.
Thứ tư là dự báo ngập lụt, bao gồm phạm vi, độ sâu và thời gian ngập. So với cách dự báo truyền thống chỉ cung cấp mực nước tại trạm, mô hình hybrid cho phép đưa ra thông tin trực quan hơn, phục vụ trực tiếp cho công tác ứng phó.
Cải thiện chất lượng dự báo từ dữ liệu đầu vào
Một trong những điểm nhấn của tham luận là vai trò của dữ liệu đầu vào. Theo TS. Bùi Du Dương, sai số trong dự báo thường bắt nguồn từ dữ liệu chưa đầy đủ hoặc không đồng nhất.
Để khắc phục, nhóm nghiên cứu đã phát triển các giải pháp tích hợp dữ liệu mưa từ nhiều nguồn, bao gồm trạm đo, vệ tinh và dữ liệu tái phân tích, tạo thành bộ dữ liệu đồng bộ với độ phân giải cao.
Song song, hệ thống dự báo mưa tổ hợp sử dụng kết quả từ nhiều mô hình toàn cầu như GFS, ECMWF hay Google, thay vì phụ thuộc vào một nguồn duy nhất. Cách tiếp cận này giúp giảm rủi ro sai lệch và tăng độ tin cậy của dự báo.
Mô hình Hybrid dự báo dòng chảy vào hồ trước 16 ngày cập nhật hàng ngày. Ảnh: TS. Bùi Du Dương.
Trong dự báo dòng chảy vào hồ chứa, một bài toán quan trọng đối với vận hành thủy điện và phòng chống lũ, mô hình tích hợp cho thấy hiệu quả rõ rệt.
Hệ thống kết hợp giữa mô hình vật lý, dữ liệu lớn và các thuật toán học máy để mô phỏng dòng chảy. Theo nhóm nghiên cứu, phương pháp này có thể cải thiện độ chính xác khoảng 40% so với cách tiếp cận truyền thống, dù kết quả còn phụ thuộc vào từng lưu vực và điều kiện cụ thể.
Ngoài ra, các mô hình tích hợp cũng được áp dụng để giám sát và dự báo dòng chảy trên các lưu vực lớn như sông Hồng hay Mekong, mở ra khả năng theo dõi liên vùng và xuyên biên giới.
Một trong những giá trị lớn nhất của cách tiếp cận hybrid là khả năng chuyển đổi dữ liệu kỹ thuật thành thông tin hữu ích cho ra quyết định.
Trong dự báo ngập lụt, hệ thống có thể tính toán nhanh trong vài chục giây để đưa ra bản đồ ngập với các thông tin cụ thể về phạm vi, độ sâu và thời gian. Điều này giúp cơ quan quản lý và người dân dễ dàng hiểu và chủ động ứng phó.
Tương tự, trong cảnh báo sạt lở đất, việc tích hợp dữ liệu đa nguồn cho phép đưa ra cảnh báo sớm theo khu vực, thay vì chỉ phản ứng sau khi sự cố xảy ra.
Theo TS. Bùi Du Dương, trong bối cảnh biến đổi khí hậu, không có một mô hình hay công nghệ đơn lẻ nào có thể giải quyết toàn bộ bài toán dự báo thiên tai. Thay vào đó, cần một hệ thống linh hoạt, tích hợp nhiều nguồn dữ liệu và phương pháp.
Cách tiếp cận tích hợp được xem là phù hợp với điều kiện Việt Nam, nơi dữ liệu còn phân tán và không đồng đều. Việc tận dụng đồng thời dữ liệu thực đo, viễn thám và công nghệ AI có thể giúp nâng cao năng lực dự báo mà không cần phụ thuộc hoàn toàn vào các hệ thống đắt đỏ.
Tuy nhiên, để triển khai rộng rãi, vẫn cần tiếp tục hoàn thiện về hạ tầng dữ liệu, cơ chế chia sẻ thông tin và năng lực vận hành.
“Giá trị cốt lõi của tích hợp không nằm ở thuật toán, mà ở khả năng kết nối dữ liệu và chuyển hóa thành thông tin phục vụ ra quyết định”, TS. Bùi Du Dương nhấn mạnh.