Áp dụng công nghệ mới nhằm tăng cường hiệu quả trong phòng chống thiên tai

Giao diện công cụ ước lượng mưa từ độ phản hồi radar.

Chính vì vậy, Đài KTTV khu vực Nam Bộ đã chuyển toàn bộ phương pháp dự báo KTTV truyền thống sang công nghệ số, từng bước sử dụng công nghệ dựa trên nền tảng trí tuệ nhân tạo AI…

Mạnh dạn đổi mới

Số liệu quan trắc khí tượng thủy văn có ý nghĩa rất lớn trong công tác dự báo cũng như công tác phòng chống thiên tai và biến đổi khí hậu.

Nhằm cung cấp đầy đủ, kịp thời thông tin, dữ liệu khí tượng thủy văn, ngành KTTV đã và đang được đầu tư nâng cấp mạng lưới quan trắc khí tượng tự động, đồng bộ với mục đích chuyển dần từ đo thủ công sang tự động, đan dày các trạm quan trắc ở vùng núi, vùng sâu.

Là đơn vị trực thuộc Tổng Cục KTTV, Bộ Tài Nguyên và Môi Trường với nhiệm vụ chính là quản lý, quan trắc, dự báo các hiện tượng thời tiết nguy hiểm cho các tỉnh Nam Bộ.

Những năm qua, Đài KTTV khu vực Nam Bộ đã thực hiện nghiên cứu và ứng dụng một số giải pháp công nghệ mới, công nghệ trí thông minh nhân tạo (AI - Artificial Intelligence), giúp nâng cao hiệu suất làm việc, năng lực dự báo, cảnh báo, phục vụ hiệu quả công tác phòng chống thiên tai trên địa bàn các tỉnh Nam Bộ.

Có thể kể đến công cụ tự động thu thập - phân tích dữ liệu ảnh mây vệ tinh Himawari và radar thời tiết Nhà Bè, hệ thống đồng hóa dữ liệu quan trắc cho mô hình dự báo thời tiết độ phân giải cao WRF, công cụ phân tích và số hóa bản đồ phân tích thời tiết...

Trong đó bộ công cụ thu thập và số hóa dữ liệu quan trắc cũng như các ứng dụng công nghệ AI trong quan trắc và dự báo các hiện tượng thời tiết nguy hiểm diễn ra trong thời gian ngắn như mưa lớn, ngập lụt đô thị, có vai trò rất quan trọng trong hoạt động nghiệp vụ, hỗ trợ chính quyền và phục vụ Nhân dân.

Ông Lê Ngọc Quyền - Giám đốc Đài KTTV khu vực Nam Bộ cho biết, hiện nay tại Đài KTTV Nam Bộ có 4 dự án trạm đo mưa tự động, dự án VRAIN (82 trạm), dự án Hàn Quốc (49 trạm), dự án World Bank 4 (107 trạm), dự án World Bank 5 (57 trạm). Trước nguồn số liệu lớn và đa dạng từ các trạm tự động, cần phải xây dựng bộ công cụ thu thập, xử lý và chuẩn hóa toàn bộ nguồn số liệu mưa, giúp thực hiện truy xuất dễ dàng, thuận tiện, nhanh chóng, độ chính xác cao.

Xuất phát từ đặc điểm mỗi loại trạm đo mưa lại có những cấu trúc dữ liệu khác nhau, do đó cần phải thực hiện chuẩn hóa các dữ liệu này về cùng một định dạng. Sau khi thu thập đầy đủ các thông tin từ các trạm tự động sẽ tiến hành xây dựng bộ cơ sở dữ liệu.

"Sau khi chuẩn bị xong bộ cơ sở dữ liệu sẽ tiến hành xây dựng một website giúp hiển thị, trích xuất và quản trị các sản phẩm mưa thu thập được. Để thuận tiện trong việc phân tích và trích xuất số liệu, website sẽ được xây dựng với các lớp bản đồ 3 lớp, từ nền chứa thông tin tọa độ; vị trí trạm chứa, lượng mưa quan trắc được cho tới dữ liệu mưa chứa thông tin lượng mưa trạm..." - ông Lê Ngọc Quyền cho hay.

Dự báo cập nhật liên tục mỗi 10 phút

Cũng theo ông Lê Ngọc Quyền, qua thời gian thử nghiệm, nhận thấy hoạt động của hệ thống thu nhận được kết quả tốt. Với đầy đủ các chức năng, vừa có thể xem hình ảnh thực và các ảnh gởi về đầy đủ, đảm bảo cho bước xử lý hình ảnh để đưa ra các số liệu quan trắc thực.

Đồng thời qua theo dõi nhận thấy với buổi tối ánh sáng kém (hoặc tại trạm thủy văn Mỹ tho không có ánh sáng), thời tiết xấu như mưa vẫn có thể thu nhận được các ảnh có chất lượng.

Giao diện web hiển thị vị trí các trạm đo mưa tự động (295 trạm).

Ngoài ra, dựa trên cơ sở bộ dữ liệu KTTV thu thập đã được số hóa và chuẩn hóa, Đài KTTV khu vực Nam Bộ thực hiện nghiên cứu một số ứng dụng dựa trên công công nghệ AI phục vụ công tác dự báo và phòng chống thiên tai cho các tỉnh Nam Bộ.

Công cụ dự báo lượng mưa từ độ phản hồi radar bằng công nghệ AI sẽ sử dụng bộ dữ liệu đầu vào là sản phẩm độ phản hồi vô tuyến của radar Nhà Bè (TP Hồ Chí Minh) trong nhiều năm. Sau đó đưa các dữ liệu này vào mô hình học máy (Machine learning) để có được bộ thông số.

Từ bộ thông số này, cứ mỗi phản hồi vô tuyến hiện tại của radar mô hình sẽ đưa ra dự báo sự phát triển, hướng dịch chuyển theo thời gian của các vùng phản hồi vô tuyến trong khoảng 3 giờ tới. Đồng thời ứng với mỗi vùng phản hồi được dự báo, mô hình cũng sẽ đưa ra các dự báo lượng mưa.

Các sản phẩm dự báo sẽ được cập nhật liên tục lên website để người dùng dễ dàng sử dụng. Giao diện chính của công cụ là hình ảnh dự báo các vùng có mưa được chồng lớp trên bản đồ các tỉnh thành Nam Bộ.

Đồng thời ở góc trên bên phải là timeline điều chỉnh các bước thời gian, mô tả thời gian sắp tới các vùng mưa sẽ được dự báo dịch chuyển như thế nào trên bản đồ. Chấm mầu đen trên bản đồ thể hiện vị trí người dùng. Các dự báo sẽ được cập nhật liên tục mỗi 10 phút trong ngày.

"Bộ công cụ này cho phép xác định địa điểm có mưa trên bản đồ, thể hiện lượng mưa có thể xuất hiện trong 10 phút; xem dự báo mưa và hướng dịch chuyển của vùng mưa trong 3h tới" - ông Lê Ngọc Quyền cho hay.

Cuối cùng, công cụ dự báo ngập dựa trên nền tảng trí tuệ nhân tạo (AI) sẽ sử dụng bộ dữ liệu đầu vào là các số liệu ngập trong quá khứ đã được số hóa lên bản đồ và chuyển thành dạng lưới có độ phân giải 10 mét (X: 2016 điểm Y: 1745 điểm).

Hệ thống cảnh báo ngập trong 3 giờ rất hiệu quả và có độ chính xác cao, được cập nhật mỗi 10 phút. Hiện đã được vận hành tại UBND thành phố Thủ Đức, TP Hồ Chí Minh.

Sau đó đưa các dữ liệu này vào mô hình học máy (Machine learning) với giá trị đầu vào là các ngày có lượng mưa lớn nhất để có được bộ thông số đầu ra phân loại ngập hay không ngập. Đây là bộ thông số dự báo điểm ngập từ số liệu quá khứ.

Từ bộ thông số này, tổng lượng mưa trong 3 giờ và mực nước triều sẽ đưa vào SVC (Support Vector Machine là một thuật toán thuộc nhóm Supervised Learning (Học có giám sát) dùng để phân chia dữ liệu (Classification) thành các nhóm riêng biệt) phân loại độ sâu ngập cho từng điểm trên lưới trong thời gian 3 giờ.

Đây là bộ số liệu dự báo vùng ngập theo số liệu mô phỏng. Sau đó sử dụng thuật toán để chập vùng từ số liệu quá khứ và số liệu mô phỏng. Để nâng cao độ chính xác trong dự báo thì các số liệu trạm đo mực nước, đo mưa, camera trực tuyến sẽ được sử dụng để đào tạo trong quá trình phân loại ngập.

Ngọc Hiền