Meningkatkan kualiti ramalan bencana.

Banjir bersejarah di Sungai Lam di Tuong Duong, Nghe An pada tahun 2025.

Para saintis sedang mengkaji model hibrid yang mengintegrasikan pelbagai sumber data dan kecerdasan buatan (AI) untuk meningkatkan kualiti ramalan dan menyokong pencegahan bencana dan pembuatan keputusan tindak balas yang lebih berkesan.

Penyelesaian hibrid bersepadu untuk amaran awal bencana alam, yang dikaji dan diperkenalkan oleh Institut Sains Sumber Air (Pusat Perancangan dan Penyiasatan Sumber Air, Kementerian Pertanian dan Alam Sekitar ), dianggap sebagai satu kejayaan dalam ramalan bencana alam di Vietnam.

Dr. Bui Du Duong, Timbalan Pengarah Institut Sains Sumber Air, menyatakan: "Penyelesaian Hibrid ialah penyelesaian ramalan yang mengintegrasikan pelbagai sumber data dan model, memanfaatkan kekuatan setiap kaedah. Berbanding dengan model tradisional, penyelesaian ini lebih fleksibel, stabil dan memberikan ramalan yang lebih tepat. Walau bagaimanapun, ia merupakan penyelesaian tambahan dan tidak menggantikan model ramalan tradisional."

Pada prinsipnya, penyelesaian hibrid menggabungkan pelbagai sumber data dan model, memanfaatkan kekuatan setiap kaedah untuk mengubah data yang berbeza menjadi maklumat yang berguna. Ini dapat meningkatkan data input, mengurangkan ralat, meningkatkan nilai amaran awal dan menyokong proses membuat keputusan.

Penyelesaian ini menggunakan model matematik dan fizikal tradisional sebagai asas saintifiknya; menggunakan teknologi penderiaan jauh untuk pemerhatian kawasan luas; dan menggunakan data terukur dunia sebenar untuk penentukuran dan pengesahan. Di samping itu, ia menggunakan algoritma yang digabungkan dengan kaedah kecerdasan buatan (AI) untuk mengira dan membuat kesimpulan. Biasanya, kesimpulan ini adalah tepat, membantu industri ramalan mengurangkan kadar ralat data asas, menyediakan ramalan dan amaran awal yang tepat dan tepat pada masanya. Empat model digunakan menggunakan penyelesaian Hibrid: ramalan hujan dan larian; amaran tanah runtuh; hakisan kawasan tadahan dan risiko pemendapan takungan; dan ramalan banjir.

Penyelesaian ini bukan sahaja memanfaatkan data meteorologi dan hidrologi tradisional tetapi juga mengintegrasikan data satelit, model meteorologi global dan algoritma pembelajaran mesin, sekali gus membantu peramal dalam memproses maklumat dalam jumlah yang besar dan memberikan amaran yang lebih awal dan lebih tepat.

Untuk melaksanakan keempat-empat model tersebut, Institut Sains Sumber Air mencadangkan beberapa penyelesaian, iaitu sekumpulan penyelesaian hibrid dalam ramalan dan amaran bencana. Ini termasuk penyelesaian GM-ForcePast, yang dikemas kini setiap hari dan boleh menyediakan maklumat hujan resolusi tinggi yang disegerakkan, mengurangkan ketidakpastian disebabkan oleh pemerhatian yang terhad atau tidak sekata, dan menyokong operasi takungan harian dan perancangan jangka pendek.

Penyelesaian seterusnya, ramalan dari 16 hari hingga 6 bulan lebih awal, juga dikemas kini setiap hari, boleh meramalkan gabungan hujan daripada model global (GFS, ECMWF, Google). Bagi penyelesaian pemodelan hibrid, ini meramalkan aliran masuk ke dalam takungan 16 hari lebih awal, dikemas kini setiap hari, menggabungkan model matematik-fizikal (HYPE) dan model pembelajaran mesin (RF, XGBoost), dipertingkatkan oleh data daripada satelit dan model meteorologi global.

Selain model Hibrid untuk pemantauan dan ramalan aliran, berserta penyelesaian yang menangani kesan sistem takungan yang saling berkaitan terhadap aliran dan sedimen, amaran awal risiko tanah runtuh dianggap sebagai penyelesaian berdasarkan penyelidikan tentang corak bencana alam. Ini membolehkan ramalan risiko tanah runtuh berdasarkan data lapangan dan potensi hujan. Penyelesaian akhir ialah meramalkan tahap, kedalaman dan tempoh banjir. Dalam percubaan di rantau Mekong hilir, sistem Hibrid dapat mengira tahap dan kedalaman banjir harian dalam masa kira-kira 30 saat, dengan masa ramalan sehingga 18 hari.

Menurut hasil penyelidikan dan ujian, penyelesaian Hibrid boleh meningkatkan ketepatan ramalan sebanyak lebih daripada 40%. Tambahan pula, peramal boleh mengemas kini dan mensintesis sejumlah besar maklumat sambil mengurangkan masa dan usaha. Gabungan penyelesaian dan kumpulan penyelesaian yang dinyatakan di atas melengkapi dan mengatasi batasan kaedah tradisional, menyumbang kepada pemodenan ramalan bencana Vietnam dalam arah yang lebih pantas, lebih tepat dan lebih pintar, di samping memanfaatkan pencapaian saintifik dan teknologi baharu.

Menurut akhbar Nhan Dan

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