De kwaliteit van rampenvoorspellingen verbeteren.

In de context van toenemende extreme weersomstandigheden wordt de behoefte aan verbetering van de nauwkeurigheid van meteorologische en hydrologische voorspellingen steeds urgenter.

De historische overstroming van de Lam-rivier in Tuong Duong, Nghe An in 2025.

Wetenschappers onderzoeken hybride modellen die meerdere gegevensbronnen en kunstmatige intelligentie (AI) integreren om de kwaliteit van voorspellingen te verbeteren en effectievere besluitvorming op het gebied van rampenpreventie en -bestrijding te ondersteunen.

De geïntegreerde hybride oplossing voor vroegtijdige waarschuwing voor natuurrampen, onderzocht en geïntroduceerd door het Instituut voor Waterbronnenwetenschappen (Centrum voor Waterbronnenplanning en -onderzoek, Ministerie van Landbouw en Milieu ), wordt beschouwd als een doorbraak in de voorspelling van natuurrampen in Vietnam.

Dr. Bui Du Duong, adjunct-directeur van het Instituut voor Waterwetenschappen, verklaarde: "De hybride oplossing is een voorspellingsmethode die meerdere gegevensbronnen en modellen integreert en de sterke punten van elke methode benut. In vergelijking met traditionele modellen is deze oplossing flexibeler, stabieler en levert nauwkeurigere voorspellingen op. Het is echter een aanvullende oplossing en vervangt traditionele voorspellingsmodellen niet."

Een hybride oplossing combineert in principe meerdere gegevensbronnen en modellen, waarbij de sterke punten van elke methode worden benut om uiteenlopende gegevens om te zetten in bruikbare informatie. Dit kan de invoergegevens verbeteren, fouten verminderen, de waarde van vroegtijdige waarschuwingen verhogen en de besluitvorming ondersteunen.

Deze oplossing gebruikt traditionele wiskundige en fysische modellen als wetenschappelijke basis; maakt gebruik van teledetectietechnologie voor observatie over grote gebieden; en gebruikt meetgegevens uit de praktijk voor kalibratie en verificatie. Daarnaast maakt het gebruik van algoritmen in combinatie met methoden voor kunstmatige intelligentie (AI) om berekeningen uit te voeren en conclusies te trekken. Deze conclusies zijn doorgaans accuraat, waardoor de voorspellingsindustrie de foutmarge van de onderliggende gegevens kan verkleinen en nauwkeurige en tijdige vroegtijdige voorspellingen en waarschuwingen kan leveren. Vier modellen worden toegepast met behulp van de hybride oplossing: voorspelling van regenval en afvoer; waarschuwing voor aardverschuivingen; risico op erosie in stroomgebieden en sedimentatie in reservoirs; en voorspelling van overstromingen.

Deze oplossingen maken niet alleen gebruik van traditionele meteorologische en hydrologische gegevens, maar integreren ook satellietgegevens, wereldwijde meteorologische modellen en machine learning-algoritmen, waardoor meteorologen grote hoeveelheden informatie kunnen verwerken en eerder en nauwkeuriger waarschuwingen kunnen geven.

Om deze vier modellen te implementeren, heeft het Institute of Water Resources Science verschillende oplossingen voorgesteld, een groep hybride oplossingen voor rampenvoorspelling en -waarschuwing. Een daarvan is de GM-ForcePast-oplossing, die dagelijks wordt bijgewerkt en gesynchroniseerde, zeer nauwkeurige regenvalinformatie kan leveren. Dit vermindert de onzekerheid als gevolg van beperkte of ongelijkmatige waarnemingen en ondersteunt de dagelijkse reservoirbeheer en de planning op korte termijn.

De volgende oplossing, die voorspellingen doet van 16 dagen tot 6 maanden vooruit en dagelijks wordt bijgewerkt, kan gecombineerde regenval voorspellen op basis van wereldwijde modellen (GFS, ECMWF, Google). Voor hybride modelleringsoplossingen wordt de instroom in het reservoir 16 dagen van tevoren voorspeld, dagelijks bijgewerkt, door een combinatie van wiskundig-fysische modellen (HYPE) en machine learning-modellen (RF, XGBoost), aangevuld met gegevens van satellieten en wereldwijde meteorologische modellen.

Naast het hybride model voor het monitoren en voorspellen van de waterafvoer, en oplossingen die de impact van het onderling verbonden reservoirsysteem op de waterafvoer en sedimentatie aanpakken, wordt vroegtijdige waarschuwing voor aardverschuivingsrisico's overwogen als een oplossing gebaseerd op onderzoek naar patronen van natuurrampen. Dit maakt voorspellingen van het aardverschuivingsrisico mogelijk op basis van veldgegevens en verwachte regenval. De laatste oplossing is het voorspellen van de omvang, diepte en duur van overstromingen. Tijdens proeven in de benedenloop van de Mekong kon het hybride systeem de omvang en diepte van dagelijkse overstromingen in slechts ongeveer 30 seconden berekenen, met een voorspellingstijd van maximaal 18 dagen.

Volgens onderzoeks- en testresultaten kan de hybride oplossing de nauwkeurigheid van voorspellingen met meer dan 40% verhogen. Bovendien kunnen voorspellers een veel grotere hoeveelheid informatie bijwerken en synthetiseren, terwijl ze tijd en moeite besparen. De combinatie van de bovengenoemde oplossingen en groepen oplossingen vult de beperkingen van traditionele methoden aan en overwint deze, waardoor de rampenvoorspellingen in Vietnam sneller, nauwkeuriger en slimmer worden, en tegelijkertijd gebruik wordt gemaakt van nieuwe wetenschappelijke en technologische verworvenheden.

Volgens de krant Nhan Dan

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