De technologie beheersen om de waterstroom naar de grens tussen Vietnam en China in het droge seizoen te voorspellen

Gezien de steeds ingrijpender gevolgen van klimaatverandering en de onvoorspelbare schommelingen in het internationale riviersysteem, is het voorspellen van de waterafvoer van de Rode Rivier tijdens het droge seizoen, met name vanaf het stroomopwaartse deel buiten Vietnam, een dringende vereiste geworden om de waterzekerheid en de effectieve werking van reservoirs te waarborgen.

Vanuit die realiteit heeft het onderzoeksteam onder leiding van universitair hoofddocent Dr. Nguyen Tien Giang (Universiteit voor Natuurwetenschappen, Nationale Universiteit van Vietnam, Hanoi) het project " Onderzoek naar de ontwikkeling van methoden en technologie om de waterstroom in het droge seizoen, 10 dagen, maanden en seizoensperioden tot aan de grens tussen Vietnam en China" in 36 maanden (januari 2023 - december 2025) te voorspellen , onder Programma 562 van het Ministerie van Wetenschap en Technologie .

Overzicht van de wetenschappelijke workshop waarin de resultaten van het project 'Onderzoek naar de ontwikkeling van methoden en technologie om de waterafvoer in het droge seizoen te voorspellen, over een periode van 10 dagen, maanden en seizoenen, tot aan de grens tussen Vietnam en China'. (Foto: Ministerie van Wetenschap en Technologie)

Het bouwen van een modern dataplatform en prognosetechnologie voor de Red River

Het systeem van de Rode Rivier en de Thai Binh is het op één na grootste stroomgebied in Vietnam en speelt een strategische rol op het gebied van economie, politiek en waterzekerheid. Omdat echter meer dan de helft van de waterstroom in het droge seizoen in het stroomgebied op Chinees grondgebied ligt, is het lastig om voorspellingen te doen vanwege het gebrek aan hydrometeorologische gegevens stroomopwaarts, terwijl de werking van een reeks waterkrachtcentrales in China de natuurlijke waterstroom voortdurend verandert.

Traditionele regenval- en stroomafwaartse modellen zijn niet langer geschikt. De vraag is: hoe kun je nauwkeurig voorspellen als er bijna geen gegevens stroomopwaarts beschikbaar zijn?

Op basis van die eis benaderde het onderzoeksteam het probleem met een combinatie van moderne methoden: gebruik van remote sensing-gegevens, satellietbeelden, heranalysegegevens en hydrologische modellen, gecombineerd met geavanceerde machine learning-algoritmen. Naast het maken van voorspellingen, bouwde het team ook de eerste complete dataset over de bovenloop van de Rode Rivier in China, een gebied dat al jaren een lacune vormt in de Vietnamese watersector.

Op basis van deze toelichtingen worden drie hoofddoelen geformuleerd: Het opbouwen van een dataset over natuurlijke geografische omstandigheden, het systeem van hoofdreservoirs (kenmerken, operationele procedures...) in het bovenstroomse deel van het Rode Rivier-bekken in de provincie Yunnan, China; Het beoordelen van de verandering in het hydrologische regime in het bovenstroomse deel van het Rode Rivier-bekken onder invloed van klimaatverandering en het systeem van hoofdreservoirs in China; Het ontwikkelen van een methode en technologie om de waterafvoer in het droge seizoen te voorspellen voor een gemiddelde periode van 10 dagen, maanden en seizoenen tot aan de grens tussen Vietnam en China; Het toepassen van een pilotprogramma op een specifiek deelstroomgebied (in het Rode Rivier-bekken). Op basis van een uitgebreide analyse van zeven onderzoeksonderwerpen wordt ook een oriëntatie voorgesteld van oplossingen om de schade veroorzaakt door veranderingen in de waterafvoer in het droge seizoen te minimaliseren.

Het onderzoek richt zich op het reproduceren van natuurlijke omstandigheden, reservoirsystemen, schommelingen in het waterpeil - reservoirgebied en veranderingen in het hydrologische regime onder invloed van sociaaleconomische ontwikkeling en klimaatverandering. Het team ontwikkelde een WebGIS-platform om data in realtime op te slaan, te simuleren en te visualiseren, ter ondersteuning van het opzoeken, analyseren en beheren van reservoirs. Deze tool biedt online toegang, maakt gebruik van open data en is volledig onafhankelijk van het auteursrecht op commerciële software.

Combinatie van machine learning-algoritmen verbetert nauwkeurigheid van voorspellingen voor het droge seizoen

Tijdens het implementatieproces gebruikte het team satellietbeelden met hoge resolutie (Sentinel, Landsat, MODIS en NICFI 5m-beelden), gecombineerd met satelliethoogtemetergegevens, om het wateroppervlak en de veranderingen in het waterpeil van reservoirs stroomopwaarts te bepalen – waar Vietnam geen directe monitoringgegevens heeft. Dit proces werd getest in een aantal reservoirs in Vietnam voordat het werd uitgebreid naar 15 grote reservoirs in de regio Yunnan (China), waardoor veranderingen in reserves en afvoerstromen in de loop van de tijd konden worden berekend.

Parallel daaraan is er een systeem van intra-seizoens- en seizoensafhankelijke regenvalvoorspellingsmodellen, speciaal voor de bovenloop van de Da-rivier – het belangrijkste stroomopwaartse gebied van het Rode Rivier-systeem. De modellen maken het mogelijk om regenval te voorspellen met een periode van 90 tot 180 dagen, met tijdstappen van 10 tot 30 dagen, wat input oplevert voor de simulatie van de waterafvoer in het droge seizoen.

Het team ontwikkelde met name een reeks modellen voor stromingsvoorspelling op basis van een combinatie van meer dan 10 machine learning-algoritmen en fysisch-hydrologische modellen. Dit resulteerde in drie optimale voorspellingsmodellen met een horizon van 1, 3 en 6 maanden, evenals een hybride model dat data en fysica combineert. Deze modellen maken de berekening van de gemiddelde stroming over 10 dagen mogelijk - een verplichte vereiste in de Red River Inter-Reservoir Operation Procedure, uitgegeven onder Besluit 740/QD-TTg.

Het meten van de stroomsnelheidsgegevens van de bovenstroomse rivier Da bij Pac Ma, Muong Te en Lai Chau ten behoeve van het onderzoek van het project. (Foto: Science and Technology)

Universitair hoofddocent dr. Nguyen Tien Giang zei dat de toepassing van machine learning bij het voorspellen van de waterafvoer "bemoedigende eerste resultaten heeft opgeleverd, met een superieure nauwkeurigheid vergeleken met traditionele methoden, en vooral effectief in omstandigheden met een gebrek aan gegevens" . De technologie voor het voorspellen van de waterafvoer in het droge seizoen wordt gekalibreerd, getest en zal binnenkort in de praktijk worden getest. Dit belooft een nieuwe aanpak te bieden voor grensoverschrijdend waterbeheer.

Het project is ook van fundamenteel belang bij de planning van strategieën voor waterveiligheid. Voor het eerst kan Vietnam de stroming van de bovenloop van de Rode Rivier buiten zijn grondgebied schatten, simuleren en voorspellen, zonder gegevens met China te delen – iets wat veel landen met internationale rivieren nog steeds moeten doen om proactief te zijn in hun beheer.

De resultaten zullen bijdragen aan het completeren van de Red River-database, het ondersteunen van de werking van reservoirs, de toewijzing van waterbronnen en de reactie op droogte in de Red River Delta. Daarnaast zullen ze wetenschappelijke argumenten leveren voor toekomstige onderzoeken of onderhandelingen met betrekking tot samenwerking bij het beheer van het Red River-stroomgebied.

Met een systematische aanpak, moderne technologie en onafhankelijk ontwikkelde data markeert het project een belangrijke stap voorwaarts in de poging om informatie stroomopwaarts te 'beheren' en de capaciteit voor het voorspellen en beheren van waterbronnen in het stroomgebied van de Rode Rivier te verbeteren. Bij brede toepassing dienen de onderzoeksresultaten niet alleen wetenschappelijke taken, maar creëren ze ook de basis voor duurzame ontwikkeling van de Noordelijke Delta in de context van toenemende uitdagingen op het gebied van waterbronnen.

Thuy Linh

Bron: https://vtcnews.vn/lam-chu-cong-nghe-du-bao-dong-chay-mua-can-den-bien-gioi-viet-trung-ar991988.html