Aplicação da ciência e tecnologia, inteligência artificial e transformação digital na previsão hidrometeorológica.

No contexto das mudanças climáticas cada vez mais severas e do forte desenvolvimento da Quarta Revolução Industrial, a previsão hidrometeorológica (PHT) enfrenta novas e desafiadoras exigências. A ciência e a tecnologia, a inteligência artificial (IA) e a transformação digital não apenas desempenham um papel de apoio, mas se tornaram a base fundamental, determinando a velocidade, a qualidade e a precisão do moderno sistema de alerta de desastres.

Novas pressões na era das mudanças climáticas

Em todo o mundo , os métodos tradicionais de previsão estão sendo substituídos por modelos numéricos de alta resolução, sistemas avançados de assimilação de dados e, principalmente, por avanços em inteligência artificial e aprendizado profundo. Organizações meteorológicas de ponta, como o ECMWF e a JMA, aplicaram IA para corrigir erros, fazer previsões instantâneas e explorar os bancos de dados abertos cada vez mais ricos da Organização Meteorológica Mundial (OMM), inaugurando uma nova era de previsão meteorológica baseada em dados e IA.

No Vietnã, os impactos das mudanças climáticas são cada vez mais evidentes pelo aumento da frequência e da intensidade de tempestades fortes, chuvas torrenciais localizadas, enchentes repentinas e deslizamentos de terra. Isso fez com que as necessidades de previsão mudassem, passando da descrição de fenômenos para a previsão de impactos; da previsão qualitativa para a previsão quantitativa, detalhada, oportuna e antecipada, criando grande pressão para que o setor hidrometeorológico acelere a inovação tecnológica e a transformação digital.

Os métodos tradicionais de previsão estão sendo substituídos pela aplicação de IA e big data para monitorar, analisar, prever e alertar sobre fenômenos hidrometeorológicos.

Nos últimos anos, o setor hidrometeorológico também enfrentou importantes oportunidades de modernização. A operação do supercomputador Cray XC40 representou um grande avanço na capacidade computacional. Com uma capacidade de quase 80 TFLOPS, o sistema permite executar um modelo de previsão com resolução de 3 km para todo o território e o Mar do Leste em apenas 30 a 40 minutos, colocando o Vietnã no grupo de países com forte infraestrutura de previsão na região.

Em conjunto, uma rede com mais de 3.200 estações pluviométricas automáticas, 10 radares meteorológicos e um sistema de localização de raios criaram uma fonte de dados de alta resolução de 1×1 km continuamente atualizada, uma base importante para modelos de previsão. Esses dados provaram ser eficazes em muitas situações práticas, como as chuvas históricas na região central em 2020 ou as fortes chuvas previstas para 2024.

O Vietnã também foi reconhecido pela OMM como Centro Regional de Apoio ao Alerta de Tempo Severo (SWFP-SeA) e Centro Regional de Alerta de Inundações Repentinas e Deslizamentos de Terra (SeAFFGS), ampliando o acesso à tecnologia avançada, padronizando processos e aprimorando a cooperação internacional.

No entanto, os desafios continuam enormes. A infraestrutura computacional para sistemas de IA e armazenamento de Big Data ainda não atende às necessidades de operação de modelos de aprendizado profundo. Os dados hidrometeorológicos estão dispersos e carecem de sincronização entre ministérios e setores; algumas áreas, como fronteiras e ilhas, ainda não possuem dados. O custo de operação de sistemas de monitoramento de alta tecnologia é elevado, enquanto o mecanismo de socialização é limitado. Os recursos humanos com conhecimento em modelos numéricos, IA e análise de Big Data ainda não atendem aos requisitos de desenvolvimento. Além disso, manter um papel em programas de cooperação internacional exige uma fonte estável de financiamento.

Avanços tecnológicos e de inteligência artificial

Nos últimos anos, o setor hidrometeorológico tem implementado soluções robustas para modernizar o processo de previsão. Modelos numéricos de previsão de alta resolução (1-3 km) foram aprimorados, assimilando dados de observação nacionais e combinando produtos internacionais do ECMWF, o que contribuiu para reduzir o tempo de divulgação da previsão de 5-8 horas para 2-3 horas. O sistema de previsão conjunta, com 32 componentes de curto prazo e 51 componentes de médio prazo, permite a construção de mapas de probabilidade, previsões de impacto e dados detalhados de precipitação para cada município e distrito.

Desde 2019, o sistema SmartMet tem substituído gradualmente a análise manual, ajudando a visualizar, editar e sincronizar dados de previsão em tempo real entre os níveis central e local, reduzindo significativamente o tempo de divulgação dos boletins.

A inteligência artificial (IA) está começando a desempenhar um papel importante na previsão do tempo. Modelos de aprendizado profundo estão sendo aplicados na identificação de tufões, na previsão de chuvas ultracurtas, na análise de imagens do satélite Himawari, na identificação precoce da localização do centro da tempestade e na melhoria da previsão da intensidade de ciclones tropicais. O caso do tufão Noru, em 2022, mostrou que modelos de IA que integram dados de satélite e radar podem auxiliar na identificação precoce do desenvolvimento de tempestades ao entrarem no Mar do Leste, ajudando a aumentar o tempo de alerta antecipado para 72 horas.

As aplicações da IA ​​estão sendo amplamente utilizadas para auxiliar em trabalhos de previsão.

A qualidade das previsões melhorou significativamente. O período de previsão de tempestades aumentou de 24 horas para 3 dias; os alertas antecipados passaram a ser emitidos com 5 dias de antecedência; os erros de localização de tempestades em intervalos de 48 horas foram reduzidos pela metade. As previsões de chuvas intensas e os alertas de inundação com 2 a 3 dias de antecedência atingiram uma confiabilidade de cerca de 75%; os alertas de tempestades localizadas passaram a ser emitidos com 30 minutos a várias horas de antecedência; as previsões de frio intenso e calor generalizado atingiram uma confiabilidade de 70 a 90%.

A cooperação internacional continua a desempenhar um papel importante. O Vietname mantém intercâmbios profissionais com a JMA (Japão), a CMA (China) e muitas das principais agências meteorológicas, no que diz respeito à partilha de dados, avaliação consensual e formação de recursos humanos. Mesmo durante o período da Covid-19, os cursos de formação da OMM foram mantidos online, garantindo o desenvolvimento profissional dos meteorologistas no país e na região.

Segundo o Departamento de Hidrometeorologia do Ministério da Agricultura e do Meio Ambiente , no período de 2025 a 2030, o setor de hidrometeorologia se desenvolverá com base em três pilares: modernização da rede de monitoramento; aprimoramento da capacidade de previsão para impacto e previsão em tempo real; e transformação digital abrangente. Em particular, a conclusão da rede de monitoramento automático e síncrono, especialmente em áreas com escassez de dados, é uma tarefa prioritária. O setor visa aumentar a capacidade computacional de 5 a 10 vezes em comparação com 2020; desenvolver um modelo híbrido que combine previsão numérica e inteligência artificial; e aumentar a capacidade de alertar sobre enchentes repentinas e deslizamentos de terra com 6 a 12 horas de antecedência e sobre tempestades com 3 a 5 dias de antecedência.

A transformação digital abrangente exige a integração de 100% dos dados no Banco de Dados Hidrometeorológicos Nacional, além da criação de um mecanismo legal para promover a socialização e a comercialização dos serviços hidrometeorológicos. O fator crucial continua sendo o capital humano; o setor concentra-se em treinamento aprofundado em IA, big data, modelos de previsão modernos e na expansão da cooperação internacional, especialmente com a OMM (Organização Meteorológica Mundial) e países com hidrometeorologia avançada, para receber, dominar e desenvolver tecnologias de previsão de nova geração.

Centro de Comunicação Científica e Tecnológica

Fonte: 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