Η έγκαιρη προειδοποίηση είναι το πιο αποτελεσματικό μέτρο για την ελαχιστοποίηση των ζημιών που προκαλούνται από φυσικές καταστροφές που σχετίζονται με τον καιρό, το κλίμα και την υδρολογία. Πολλές μελέτες έχουν δείξει ότι εάν μια φυσική καταστροφή προειδοποιηθεί 24 ώρες νωρίτερα, η ζημιά θα μειωθεί κατά περίπου 30% σε σύγκριση με την έλλειψη προειδοποίησης. Επομένως, στο πλαίσιο της ολοένα και πιο περίπλοκης κλιματικής αλλαγής, της αύξησης της συχνότητας και της σοβαρότητας των καταιγίδων, των έντονων βροχοπτώσεων, των πλημμυρών, των ξαφνικών πλημμυρών, των κατολισθήσεων, των καταιγίδων και των κεραυνών, η έγκαιρη προειδοποίηση παίζει σημαντικότερο ρόλο.
Στο Βιετνάμ, εφαρμόζοντας την Απόφαση Αρ. 57-NQ/TW του Πολιτικού Γραφείου, ο Μετεωρολογικός και Υδρολογικός τομέας εφάρμοσε σταδιακά την τεχνητή νοημοσύνη (ΤΝ), τα μεγάλα δεδομένα και τον ψηφιακό μετασχηματισμό στις εργασίες παρακολούθησης και πρόβλεψης. Από την αρχή του έτους, το Τμήμα Μετεωρολογίας και Υδρολογίας ( Υπουργείο Γεωργίας και Περιβάλλοντος ) έχει αναπτύξει εφαρμογές ΤΝ σε ορισμένα στάδια της διαδικασίας πρόβλεψης. Συγκεκριμένα, αλγόριθμοι μηχανικής μάθησης εκπαιδεύονται από δεδομένα ραντάρ, δορυφορικές εικόνες και αυτόματη παρακολούθηση για να παρέχουν βραχυπρόθεσμες προβλέψεις βροχοπτώσεων με γρήγορο χρόνο απόκρισης και υψηλή λεπτομέρεια.
Για την αναγνώριση και τον προσδιορισμό της έντασης των καταιγίδων στην Ανατολική Θάλασσα, η Τεχνητή Νοημοσύνη χρησιμοποιείται για την ανάλυση μετεωρολογικών δορυφορικών εικόνων, με σκοπό τον εντοπισμό του κέντρου της δίνης, την αξιολόγηση της έντασης και της τάσης ανάπτυξης της καταιγίδας και την υποστήριξη εις βάθος ανάλυσης για τους μετεωρολόγους. Αυτά τα συστήματα βρίσκονται ακόμη σε διαδικασία τελειοποίησης, εκπαιδεύονται εκτενώς και ενσωματώνονται στη διαδικασία υποστήριξης της επαγγελματικής πρόγνωσης. Αυτή η τεχνολογία επιτρέπει στις αρχές να παρακολουθούν συνεχώς τις καιρικές και περιβαλλοντικές συνθήκες, παρέχοντας έτσι έγκαιρες προειδοποιήσεις και έγκαιρα μέτρα αντιμετώπισης για την προστασία της ζωής και της περιουσίας των ανθρώπων.
Ο κ. Mai Van Khiem, Διευθυντής του Εθνικού Κέντρου Υδρομετεωρολογικών Προβλέψεων, δήλωσε ότι κατά τη διάρκεια της φετινής περιόδου καταιγίδων και πλημμυρών, ο Υδρομετεωρολογικός τομέας χρησιμοποίησε την Τεχνητή Νοημοσύνη στη διαδικασία παρακολούθησης και πρόβλεψης. Τα αποτελέσματα πέτυχαν υψηλότερη ακρίβεια από τα παραδοσιακά εργαλεία.
Όσον αφορά την πρόγνωση καταιγίδων, το 24ωρο σφάλμα στο κέντρο της καταιγίδας είναι περίπου 90-110 χλμ., σύμφωνα με τον περιφερειακό μέσο όρο. Η Τεχνητή Νοημοσύνη βοηθά στον συνδυασμό αξιολογήσεων πιθανότητας και αβεβαιότητας, υποστηρίζοντας τη λήψη αποφάσεων για την πρόληψη καταστροφών.
Στην πρόβλεψη έντονων βροχοπτώσεων, το μοντέλο WRF (Mesoscale Weather Network for Research and Forecasting Weather Operations) και τα περιφερειακά σύνολα δίνουν αρκετά καλά αποτελέσματα με εκτεταμένες βροχοπτώσεις, αλλά εξακολουθούν να αντιμετωπίζουν προκλήσεις με βραχυπρόθεσμες τοπικές βροχοπτώσεις σε σύνθετο έδαφος, όπου υπάρχουν συγκρούσεις μεταξύ μικρής κλίμακας κυκλοφοριών. Οι προειδοποιήσεις για καταιγίδες, ανεμοστρόβιλους και κεραυνούς κατά τον συνδυασμό ραντάρ καιρού, δορυφορικών εικόνων, δεδομένων συνόλου και αλγορίθμων πρόγνωσης καιρού έχουν βοηθήσει στην έκδοση προειδοποιήσεων για καταιγίδες 30 λεπτά έως 3 ώρες νωρίτερα σε πολλές βασικές περιοχές.
Το Τμήμα Υδρομετεωρολογίας έχει εντοπίσει το σημαντικότερο πρόβλημα της επιστήμης και της τεχνολογίας στον κλάδο ως «την εξειδίκευση της τεχνολογίας Τεχνητής Νοημοσύνης (ΤΝ) στις μετεωρολογικές και υδρολογικές προβλέψεις, την κατασκευή ενός ολοκληρωμένου συστήματος ΤΝ για πολυκλίμακες μετεωρολογικές και υδρολογικές προβλέψεις με υψηλή ακρίβεια και την αυτοματοποίηση των λειτουργιών πρόβλεψης».
Σύμφωνα με τον επικεφαλής του Υδρομετεωρολογικού Τμήματος, σε σύγκριση με την Ιαπωνία, την Κίνα, την Κορέα κ.λπ., η προγνωστική ικανότητα και το σύστημα παρακολούθησης της χώρας μας εξακολουθούν να είναι περιορισμένα. Από την άλλη πλευρά, λόγω δημοσιονομικών περιορισμών, η χώρα μας δεν έχει καταφέρει να επενδύσει πολλά στην επιστήμη και την τεχνολογία για την υδρομετεωρολογική και φυσικές καταστροφές. Επιπλέον, η υποδομή πληροφορικής εξακολουθεί να είναι αδύναμη. Δεν υπάρχουν πολλοί σταθμοί παρακολούθησης κ.λπ., ενώ το πρόβλημα της επεξεργασίας δεδομένων μέσω Τεχνητής Νοημοσύνης για τον υδρομετεωρολογικό κλάδο απαιτεί μεγάλη ποσότητα πληροφοριακής υποδομής, οικονομικών πόρων και μια ομάδα άκρως εξειδικευμένων εμπειρογνωμόνων στην τεχνολογία πληροφοριών. Επιπλέον, η υποδομή υπολογισμού και επεξεργασίας δεδομένων μέσω Τεχνητής Νοημοσύνης απαιτεί τσιπ γρήγορης επεξεργασίας με υψηλό κόστος.
Με την περίπλοκη κατάσταση της κλιματικής αλλαγής και τον αυξανόμενο αριθμό ακραίων καιρικών φαινομένων, ο εκσυγχρονισμός της υδρομετεωρολογίας και η βελτίωση της ικανότητας πρόγνωσης και έγκαιρης προειδοποίησης είναι απαραίτητα για την προστασία της κοινότητας και της οικονομίας ... Επομένως, η κατασκευή και η βελτίωση συστημάτων πρόγνωσης και έγκαιρης προειδοποίησης διαδραματίζουν πολύ σημαντικό ρόλο. Αυτό θεωρείται επίσης η πρώτη γραμμή άμυνας στο έργο της πρόληψης και του μετριασμού των κινδύνων φυσικών καταστροφών.
Για να γίνει αυτό, ο κ. Mai Van Khiem δήλωσε ότι στο μέλλον, ο Μετεωρολογικός και Υδρολογικός τομέας πρέπει να επικεντρωθεί στην εφαρμογή ενός ολοκληρωμένου σχεδίου καινοτομίας για τη βελτίωση της ικανότητας πρόβλεψης και προειδοποίησης και την αποτελεσματική εξυπηρέτηση του έργου της πρόληψης φυσικών καταστροφών και της βιώσιμης ανάπτυξης. Στόχος του σχεδίου είναι η συνέχιση της αποτελεσματικής εφαρμογής του Ψηφίσματος αριθ. 57-NQ/TW σχετικά με τις σημαντικές εξελίξεις στην ανάπτυξη της επιστήμης και της τεχνολογίας, την καινοτομία και τον εθνικό ψηφιακό μετασχηματισμό. Το Τμήμα Μετεωρολογίας και Υδρολογίας έχει εντοπίσει το σημαντικότερο επιστημονικό και τεχνολογικό πρόβλημα του τομέα ως «Κατακτώντας την τεχνολογία Τεχνητής Νοημοσύνης στις μετεωρολογικές και υδρολογικές προβλέψεις, δημιουργώντας ένα ολοκληρωμένο σύστημα Τεχνητής Νοημοσύνης για μετεωρολογική και υδρολογική πρόγνωση πολλαπλών κλιμάκων με υψηλή ακρίβεια και αυτοματοποιώντας τις λειτουργίες πρόβλεψης», δήλωσε ο κ. Mai Van Khiem.
Συνεπώς, το Τμήμα Υδρομετεωρολογίας θα δώσει προτεραιότητα στην εφαρμογή σύγχρονων τεχνολογιών όπως η Τεχνητή Νοημοσύνη, τα Μεγάλα Δεδομένα, το Διαδίκτυο των Πραγμάτων (IoT) σε ολόκληρη την υδρομετεωρολογική διαδικασία, από την παρακολούθηση, τη συλλογή και επεξεργασία δεδομένων έως την ανάλυση, την πρόβλεψη και την επικοινωνία. Η εξειδίκευση αυτών των τεχνολογιών όχι μόνο συμβάλλει στη βελτίωση της ακρίβειας και του αυτοματισμού στην επαγγελματική εργασία, αλλά ανοίγει επίσης την κατεύθυνση για την ανάπτυξη ενός έξυπνου, πολυκλίμακας συστήματος πρόγνωσης που να ανταποκρίνεται στις απαιτήσεις εξυπηρέτησης ανθρώπων, αρχών και οικονομικών τομέων στο πλαίσιο της ολοένα και πιο πολύπλοκης κλιματικής αλλαγής. Παράλληλα, το Τμήμα επικεντρώνεται στη βελτίωση της ικανότητας πρόβλεψης ακραίων καιρικών φαινομένων, στην οικοδόμηση ενός συστήματος έγκαιρης προειδοποίησης για πολλαπλές καταστροφές για την εξασφάλιση έγκαιρης και ακριβούς πληροφόρησης· στην ανάπτυξη μιας ομάδας άρτια καταρτισμένου προσωπικού, με έμφαση στην εκπαίδευση νέων ανθρώπινων πόρων για την αντιμετώπιση των νέων απαιτήσεων· στην ενίσχυση της επικοινωνίας, στην ευαισθητοποίηση του κοινού σχετικά με τον ρόλο της υδρομετεωρολογίας στην πρόληψη και τον έλεγχο καταστροφών· στην προώθηση της διεθνούς συνεργασίας, στην αναζήτηση τεχνικής και τεχνολογικής υποστήριξης και στην εκπαίδευση ανθρώπινου δυναμικού...
Πηγή: https://nhandan.vn/ung-dung-tri-tue-nhan-tao-trong-du-bao-va-canh-bao-thien-tai-post902631.html










Σχόλιο (0)