Forbedring av kvaliteten på katastrofeprognoser.

I sammenheng med økende ekstremværhendelser blir behovet for å forbedre nøyaktigheten av meteorologiske og hydrologiske varsler stadig mer presserende.

Den historiske flommen på Lam-elven i Tuong Duong, Nghe An i 2025.

Forskere forsker på hybridmodeller som integrerer flere datakilder og kunstig intelligens (KI) for å forbedre prognosekvaliteten og støtte mer effektiv beslutningstaking om katastrofeforebygging og -respons.

Den integrerte hybridløsningen for tidlig varsling av naturkatastrofer, forsket på og introdusert av Institute of Water Resources Science (Center for Water Resources Planning and Investigation, Ministry of Agriculture and Environment ), regnes som et gjennombrudd innen naturkatastrofevarsling i Vietnam.

Dr. Bui Du Duong, assisterende direktør ved Institute of Water Resources Science, uttalte: «Hybridløsningen er en prognoseløsning som integrerer flere datakilder og modeller, og utnytter styrkene til hver metode. Sammenlignet med tradisjonelle modeller er denne løsningen mer fleksibel, stabil og gir mer nøyaktige prediksjoner. Det er imidlertid en supplerende løsning og erstatter ikke tradisjonelle prognosemodeller.»

I prinsippet kombinerer en hybridløsning flere datakilder og modeller, og utnytter styrkene til hver metode for å transformere ulike data til nyttig informasjon. Dette kan forbedre inndata, redusere feil, øke verdien av tidlig varsling og støtte beslutningstaking.

Denne løsningen bruker tradisjonelle matematiske og fysiske modeller som vitenskapelig grunnlag; benytter fjernmålingsteknologi for observasjon av store områder; og bruker målte data fra den virkelige verden for kalibrering og verifisering. I tillegg bruker den algoritmer kombinert med kunstig intelligens (AI)-metoder for å beregne og trekke konklusjoner. Vanligvis er disse konklusjonene nøyaktige, noe som hjelper prognosebransjen med å redusere feilraten i de underliggende dataene, og gir nøyaktige og rettidige tidlige prognoser og advarsler. Fire modeller brukes ved hjelp av hybridløsningen: nedbørs- og avrenningsprognoser; skredvarsling; erosjon av vannskille og risiko for sedimentasjon i reservoarer; og flomprognoser.

Disse løsningene utnytter ikke bare tradisjonelle meteorologiske og hydrologiske data, men integrerer også satellittdata, globale meteorologiske modeller og maskinlæringsalgoritmer, og hjelper dermed meteorologer med å behandle store mengder informasjon og gi tidligere og mer nøyaktige varsler.

For å implementere disse fire modellene foreslo Institute of Water Resources Science flere løsninger, en gruppe hybridløsninger innen katastrofevarsling og -varsling. Disse inkluderer GM-ForcePast-løsningen, som oppdateres daglig og kan gi synkronisert nedbørsinformasjon med høy oppløsning, redusere usikkerhet på grunn av begrenset eller ujevn observasjon, og støtte daglig reservoardrift og kortsiktig planlegging.

Den neste løsningen, som varsler fra 16 dager til 6 måneder fremover, også oppdatert daglig, kan forutsi kombinert nedbør fra globale modeller (GFS, ECMWF, Google). For hybride modelleringsløsninger varsler denne tilsiget i reservoaret 16 dager fremover, oppdatert daglig, og kombinerer matematisk-fysiske modeller (HYPE) og maskinlæringsmodeller (RF, XGBoost), forbedret av data fra satellitter og globale meteorologiske modeller.

I tillegg til hybridmodellen for overvåking og prognoser av vannføring, sammen med løsninger som tar for seg virkningen av det sammenkoblede reservoarsystemet på vannføring og sediment, anses tidlig varsling av skredrisiko som en løsning basert på forskning på naturkatastrofemønstre. Dette muliggjør prediksjoner av skredrisiko basert på feltdata og potensiell nedbør. Den endelige løsningen er å forutsi omfanget, dybden og varigheten av flom. I forsøk i den nedre Mekong-regionen var hybridsystemet i stand til å beregne omfanget og dybden av daglig flom på bare omtrent 30 sekunder, med en prognosetid på opptil 18 dager.

Ifølge forsknings- og testresultater kan hybridløsningen øke prognosenøyaktigheten med mer enn 40 %. Videre kan prognosemakere oppdatere og syntetisere en mye større mengde informasjon, samtidig som de reduserer tid og krefter. Kombinasjonen av de ovennevnte løsningene og løsningsgruppene utfyller og overvinner begrensningene ved tradisjonelle metoder, og bidrar til moderniseringen av Vietnams katastrofevarsling i en raskere, mer nøyaktig og smartere retning, samtidig som den utnytter nye vitenskapelige og teknologiske bragder.

Ifølge avisen Nhan Dan

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