بهبود کیفیت پیش‌بینی‌های بلایای طبیعی.

با توجه به افزایش رویدادهای شدید آب و هوایی، نیاز به بهبود دقت پیش‌بینی‌های هواشناسی و هیدرولوژیکی به طور فزاینده‌ای ضروری می‌شود.

سیل تاریخی رودخانه لام در تونگ دونگ، نگ آن در سال ۲۰۲۵.

دانشمندان در حال تحقیق بر روی مدل‌های ترکیبی هستند که منابع داده چندگانه و هوش مصنوعی (AI) را برای بهبود کیفیت پیش‌بینی و پشتیبانی از تصمیم‌گیری‌های مؤثرتر در پیشگیری و واکنش به بلایا، ادغام می‌کنند.

راهکار ترکیبی یکپارچه برای هشدار زودهنگام بلایای طبیعی، که توسط موسسه علوم منابع آب (مرکز برنامه‌ریزی و تحقیقات منابع آب، وزارت کشاورزی و محیط زیست ) تحقیق و معرفی شده است، یک پیشرفت بزرگ در پیش‌بینی بلایای طبیعی در ویتنام محسوب می‌شود.

دکتر بویی دو دونگ، معاون مدیر موسسه علوم منابع آب، اظهار داشت: «راهکار ترکیبی یک راهکار پیش‌بینی است که منابع داده و مدل‌های متعدد را ادغام می‌کند و از نقاط قوت هر روش بهره می‌برد. در مقایسه با مدل‌های سنتی، این راهکار انعطاف‌پذیرتر، پایدارتر و پیش‌بینی‌های دقیق‌تری ارائه می‌دهد. با این حال، این یک راهکار تکمیلی است و جایگزین مدل‌های پیش‌بینی سنتی نمی‌شود.»

در اصل، یک راهکار ترکیبی، منابع و مدل‌های داده‌ای متعددی را با هم ترکیب می‌کند و از نقاط قوت هر روش برای تبدیل داده‌های پراکنده به اطلاعات مفید بهره می‌برد. این امر می‌تواند داده‌های ورودی را بهبود بخشد، خطاها را کاهش دهد، ارزش هشدار اولیه را افزایش دهد و از تصمیم‌گیری پشتیبانی کند.

این راهکار از مدل‌های ریاضی و فیزیکی سنتی به عنوان مبنای علمی خود استفاده می‌کند؛ از فناوری سنجش از دور برای مشاهده در سطح وسیع استفاده می‌کند؛ و از داده‌های اندازه‌گیری شده در دنیای واقعی برای کالیبراسیون و تأیید استفاده می‌کند. علاوه بر این، از الگوریتم‌های ترکیب شده با روش‌های هوش مصنوعی (AI) برای محاسبه و نتیجه‌گیری بهره می‌برد. معمولاً این نتیجه‌گیری‌ها دقیق هستند و به صنعت پیش‌بینی کمک می‌کنند تا میزان خطای داده‌های اساسی را کاهش دهند و پیش‌بینی‌ها و هشدارهای اولیه دقیق و به موقع ارائه دهند. چهار مدل با استفاده از راهکار ترکیبی اعمال می‌شوند: پیش‌بینی بارندگی و رواناب؛ هشدار رانش زمین؛ فرسایش حوزه آبخیز و خطر رسوب‌گذاری مخزن؛ و پیش‌بینی سیل.

این راه‌حل‌ها نه تنها از داده‌های سنتی هواشناسی و هیدرولوژیکی بهره می‌برند، بلکه داده‌های ماهواره‌ای، مدل‌های هواشناسی جهانی و الگوریتم‌های یادگیری ماشین را نیز ادغام می‌کنند و در نتیجه به پیش‌بینی‌کنندگان در پردازش حجم زیادی از اطلاعات و ارائه هشدارهای زودهنگام و دقیق‌تر کمک می‌کنند.

برای پیاده‌سازی این چهار مدل، موسسه علوم منابع آب چندین راه‌حل، گروهی از راه‌حل‌های ترکیبی در پیش‌بینی و هشدار بلایا، پیشنهاد داد. این راه‌حل‌ها شامل راه‌حل GM-ForcePast است که روزانه به‌روزرسانی می‌شود و می‌تواند اطلاعات بارندگی هماهنگ و با وضوح بالا را ارائه دهد، عدم قطعیت ناشی از مشاهدات محدود یا ناهموار را کاهش دهد و از بهره‌برداری روزانه از مخزن و برنامه‌ریزی کوتاه‌مدت پشتیبانی کند.

راه‌حل بعدی، پیش‌بینی از ۱۶ روز تا ۶ ماه قبل، که آن هم روزانه به‌روزرسانی می‌شود، می‌تواند بارندگی ترکیبی را از مدل‌های جهانی (GFS، ECMWF، Google) پیش‌بینی کند. برای راه‌حل‌های مدل‌سازی ترکیبی، این مدل جریان ورودی به مخزن را ۱۶ روز قبل پیش‌بینی می‌کند و روزانه به‌روزرسانی می‌شود و مدل‌های ریاضی-فیزیکی (HYPE) و مدل‌های یادگیری ماشین (RF، XGBoost) را با هم ترکیب می‌کند و با داده‌های ماهواره‌ها و مدل‌های هواشناسی جهانی بهبود می‌بخشد.

علاوه بر مدل هیبریدی برای نظارت و پیش‌بینی جریان، همراه با راه‌حل‌هایی که به تأثیر سیستم مخازن به هم پیوسته بر جریان و رسوب می‌پردازند، هشدار زودهنگام خطر رانش زمین نیز به عنوان یک راه‌حل مبتنی بر تحقیقات در مورد الگوهای بلایای طبیعی در نظر گرفته می‌شود. این امر امکان پیش‌بینی خطر رانش زمین را بر اساس داده‌های میدانی و بارندگی بالقوه فراهم می‌کند. راه‌حل نهایی، پیش‌بینی وسعت، عمق و مدت زمان سیل است. در آزمایش‌هایی در منطقه پایین مکونگ، سیستم هیبریدی توانست وسعت و عمق سیل روزانه را تنها در حدود 30 ثانیه و با زمان پیش‌بینی تا 18 روز محاسبه کند.

طبق نتایج تحقیق و آزمایش، راهکار ترکیبی می‌تواند دقت پیش‌بینی را بیش از ۴۰٪ افزایش دهد. علاوه بر این، پیش‌بینی‌کنندگان می‌توانند حجم بسیار بیشتری از اطلاعات را به‌روزرسانی و ترکیب کنند و در عین حال زمان و تلاش را کاهش دهند. ترکیب راهکارهای فوق‌الذکر و گروه‌های راهکارها، محدودیت‌های روش‌های سنتی را تکمیل و بر آنها غلبه می‌کند و به نوسازی پیش‌بینی بلایای ویتنام در مسیری سریع‌تر، دقیق‌تر و هوشمندانه‌تر کمک می‌کند و در عین حال از دستاوردهای علمی و فناوری جدید نیز بهره می‌برد.

به نقل از روزنامه نهان دان

منبع: https://baotuyenquang.com.vn/xa-hoi/202605/cai-thien-chat-luong-du-bao-thien-tai-4ae4321/