Toepassing van wetenschap en technologie, kunstmatige intelligentie en digitale transformatie in hydrometeorologische voorspellingen

Tegen de achtergrond van de steeds hevigere klimaatverandering en de sterke ontwikkeling van de Vierde Industriële Revolutie, worden hydrometeorologische voorspellingen (HTS) geconfronteerd met nieuwe en uitdagende eisen. Wetenschap en technologie, kunstmatige intelligentie (AI) en digitale transformatie spelen niet alleen een ondersteunende rol, maar zijn de kern geworden van de basis die de snelheid, kwaliteit en nauwkeurigheid van het moderne rampenwaarschuwingssysteem bepaalt.

Nieuwe druk in het tijdperk van klimaatverandering

Wereldwijd worden traditionele voorspellingsmethoden vervangen door numerieke modellen met hoge resolutie, geavanceerde data-assimilatiesystemen en vooral doorbraken in AI en deep learning. Toonaangevende meteorologische organisaties zoals ECMWF en JMA hebben AI toegepast om fouten te corrigeren, direct voorspellingen te doen en steeds rijkere open datawarehouses van de Wereld Meteorologische Organisatie (WMO) te benutten, waarmee een nieuw tijdperk van data- en AI-gebaseerde meteorologische voorspellingen is ingeluid.

In Vietnam worden de gevolgen van klimaatverandering steeds duidelijker zichtbaar door de toegenomen frequentie en extreme vormen van zware stormen, plaatselijke zware regenval, plotselinge overstromingen en aardverschuivingen. Dit heeft ertoe geleid dat de eisen voor voorspellingen zijn verschoven van het beschrijven van verschijnselen naar het voorspellen van de gevolgen; van kwalitatieve voorspellingen naar kwantitatieve, gedetailleerde, tijdige en eerdere voorspellingen. Dit creëert grote druk op de hydrometeorologische sector om technologische innovatie en digitale transformatie te versnellen.

Traditionele voorspellingsmethoden worden vervangen door de toepassing van AI en big data om hydrometeorologie te monitoren, analyseren, voorspellen en waarschuwen.

De hydrometeorologische sector heeft de afgelopen jaren ook belangrijke kansen voor modernisering gekregen. De werking van de Cray XC40 supercomputer heeft een grote stap voorwaarts gezet in de rekencapaciteit. Met een capaciteit van bijna 80 TFLOPS helpt het systeem om in slechts 30-40 minuten een voorspellingsmodel met een resolutie van 3 km voor het hele gebied en de Oostzee te draaien. Daarmee behoort Vietnam tot de landen met een sterke voorspellingsinfrastructuur in de regio.

Een netwerk van meer dan 3200 automatische regenstations, 10 weerradars en een bliksempositioneringssysteem heeft samen een continu bijgewerkte databron met hoge resolutie van 1 × 1 km gecreëerd, een belangrijke basis voor voorspellingsmodellen. Deze gegevens zijn in veel praktijksituaties effectief gebleken, zoals de historische regenval in de regio Central in 2020 of de hevige regenval in 2024.

Vietnam is door de WMO ook erkend als Regionaal Ondersteuningscentrum voor Waarschuwingen voor Ernstig Weer (SWFP-SeA) en Regionaal Waarschuwingscentrum voor Overstromingen en Landverschuivingen (SeAFFGS). Hierdoor is de toegang tot geavanceerde technologie uitgebreid, zijn processen gestandaardiseerd en is de internationale samenwerking verbeterd.

De uitdagingen blijven echter enorm. De computerinfrastructuur voor AI en big data-opslagsystemen voldoet nog niet aan de behoeften van deep learning-modellen. Hydrometeorologische data is verspreid en mist synchronisatie tussen ministeries en sectoren; in sommige gebieden, zoals grenzen en eilanden, ontbreken nog steeds gegevens. De kosten voor het gebruik van hightech monitoringsystemen zijn hoog, terwijl het socialisatiemechanisme beperkt is. Personeel met kennis van zowel numerieke modellen, AI als big data-analyse voldoet nog niet aan de ontwikkelingsvereisten. Bovendien vereist het behouden van een rol in internationale samenwerkingsprogramma's een stabiele financieringsbron.

Doorbraak door technologie en kunstmatige intelligentie

De hydrometeorologische sector heeft de afgelopen jaren sterk geïnvesteerd in de implementatie van oplossingen om het voorspellingsproces te moderniseren. Hoge-resolutie numerieke voorspellingsmodellen (1-3 km) zijn geüpgraded, waarbij binnenlandse waarnemingsgegevens zijn geassimileerd en internationale producten van ECMWF zijn gecombineerd. Dit heeft bijgedragen aan het verkorten van de voorspellingstijd van 5-8 uur tot 2-3 uur. Het ensemblevoorspellingssysteem met 32 ​​kortetermijncomponenten en 51 middellangetermijncomponenten ondersteunt de constructie van waarschijnlijkheidskaarten, impactvoorspellingen en gedetailleerde neerslagcijfers voor elke gemeente en wijk.

Sinds 2019 heeft het SmartMet-systeem de handmatige analyse geleidelijk vervangen en helpt het bij het visualiseren, bewerken en synchroniseren van voorspellingsgegevens in realtime tussen centraal en lokaal niveau. Hierdoor wordt de tijd tot het publiceren van bulletins aanzienlijk verkort.

AI begint een belangrijke rol te spelen in voorspellingen. Deep learning-modellen worden toegepast bij de identificatie van tyfoons, het voorspellen van extreem korte regenval, de analyse van Himawari-satellietbeelden, de vroege identificatie van stormcentra en de verbeterde voorspelling van de intensiteit van tropische cyclonen. Het geval van tyfoon Noru in 2022 toonde aan dat AI-modellen die satelliet- en radargegevens integreren, de vroege identificatie van stormontwikkelingen bij het binnendringen van de Oostzee kunnen ondersteunen, waardoor de tijd voor vroegtijdige waarschuwing kan worden verlengd tot 72 uur.

AI-toepassingen worden steeds vaker ingezet bij het maken van prognoses.

De kwaliteit van de voorspellingen is aanzienlijk verbeterd. De tijdsbestek voor stormvoorspellingen is toegenomen van 24 uur naar 3 dagen; vroege waarschuwingen worden 5 dagen van tevoren afgegeven; fouten in de locatie van stormen met tussenpozen van 48 uur zijn gehalveerd. Zware regenval en waarschuwingen voor overstromingen die 2-3 dagen van tevoren worden voorspeld, hebben een betrouwbaarheid van ongeveer 75%; waarschuwingen voor lokale onweersbuien worden 30 minuten tot enkele uren van tevoren afgegeven; voorspellingen van extreme koude en wijdverspreide hitte hebben een betrouwbaarheid van 70-90%.

Internationale samenwerking blijft een belangrijke rol spelen. Vietnam onderhoudt professionele uitwisselingen met JMA (Japan), CMA (China) en vele grote meteorologische instanties op het gebied van data-uitwisseling, consensusbeoordeling en personeelstraining. Zelfs tijdens de COVID-19-periode werden WMO-trainingen online aangeboden, waardoor de professionele ontwikkeling van meteorologen in het land en de regio gewaarborgd bleef.

Volgens de afdeling Hydrometeorologie van het Ministerie van Landbouw en Milieu zal de hydrometeorologische sector zich in de periode 2025-2030 ontwikkelen op basis van drie pijlers: modernisering van het monitoringnetwerk; verbetering van de prognosecapaciteit ten behoeve van impact- en realtimeprognoses; en een alomvattende digitale transformatie. Met name de voltooiing van het automatische en synchrone monitoringnetwerk, met name in gebieden met een gebrek aan gegevens, is een prioritaire taak. De sector streeft ernaar de rekencapaciteit 5 tot 10 keer te vergroten ten opzichte van 2020; een hybride model te ontwikkelen dat numerieke prognoses en AI combineert; de mogelijkheid om te waarschuwen voor plotselinge overstromingen en aardverschuivingen met 6 tot 12 uur te vergroten en 3 tot 5 dagen van tevoren te waarschuwen voor stormen.

Een allesomvattende digitale transformatie vereist de integratie van 100% van de data in de Nationale Hydrometeorologische Database, en tegelijkertijd de ontwikkeling van een juridisch mechanisme om de socialisatie en commercialisering van hydrometeorologische diensten te bevorderen. De sleutelfactor blijft de mens; de sector richt zich op diepgaande training in AI, big data, moderne prognosemodellen en uitbreiding van internationale samenwerking, met name met de WMO en landen met geavanceerde hydrometeorologie, om nieuwe generatie prognosetechnologieën te ontvangen, te beheersen en te ontwikkelen.

Centrum voor Wetenschap en Technologie Communicatie

Bron: https://mst.gov.vn/ung-dung-khoa-hoc-cong-nghe-tri-tue-nhan-tao-va-chuyen-doi-so-trong-cong-tac-du-bao-khi-tuong-thuy-van-197251201234112479.htm