Применение науки и технологий, искусственного интеллекта и цифровой трансформации в гидрометеорологическом прогнозировании

В условиях всё более серьёзных изменений климата и бурного развития Четвёртой промышленной революции гидрометеорологическое прогнозирование (ГМП) сталкивается с новыми и сложными требованиями. Наука и технологии, искусственный интеллект (ИИ) и цифровая трансформация не только играют вспомогательную роль, но и стали основой, определяющей скорость, качество и точность современной системы предупреждения о стихийных бедствиях.

Новые проблемы в эпоху изменения климата

Во всем мире традиционные методы прогнозирования заменяются численными моделями высокого разрешения, передовыми системами усвоения данных и, в особенности, достижениями в области искусственного интеллекта и глубокого обучения. Ведущие метеорологические организации, такие как ЕЦСПП и ЯМА, применяют ИИ для исправления ошибок, составления мгновенных прогнозов и использования все более обширных открытых хранилищ данных Всемирной метеорологической организации (ВМО), открывая новую эру метеорологического прогнозирования на основе данных и искусственного интеллекта.

Во Вьетнаме последствия изменения климата становятся всё более очевидными, проявляясь в возросшей частоте и интенсивности сильных штормов, локальных ливней, внезапных паводков и оползней. Это привело к смещению требований к прогнозированию от описания явлений к прогнозированию последствий; от качественного прогнозирования к количественному, детальному, своевременному и заблаговременному прогнозированию, что создаёт серьёзную нагрузку на гидрометеорологическую отрасль, требуя ускорения технологических инноваций и цифровой трансформации.

Традиционные методы прогнозирования заменяются применением искусственного интеллекта и больших данных для мониторинга, анализа, прогнозирования и предупреждения гидрометеорологических явлений.

В последние годы гидрометеорологическая отрасль также столкнулась с серьезными возможностями модернизации. Внедрение суперкомпьютера Cray XC40 позволило значительно увеличить вычислительные мощности. Благодаря производительности почти 80 терафлопс, система позволяет создавать прогнозные модели с разрешением 3 км для всей территории страны и акватории Восточного моря всего за 30–40 минут, что позволяет Вьетнаму войти в число стран с развитой инфраструктурой прогнозирования в регионе.

В совокупности сеть из более чем 3200 автоматических дождевых станций, 10 метеорологических радаров и системы позиционирования молний создала постоянно обновляемый источник данных высокого разрешения размером 1×1 км, ставший важной основой для построения моделей прогнозирования. Эти данные доказали свою эффективность во многих практических ситуациях, например, во время исторических дождей в Центральном регионе в 2020 году или сильных ливней в 2024 году.

Вьетнам также был признан ВМО в качестве Регионального центра поддержки предупреждений об опасных погодных явлениях (SWFP-SeA) и Регионального центра предупреждений о внезапных наводнениях и оползнях (SeAFFGS), что расширяет доступ к передовым технологиям, стандартизирует процессы и укрепляет международное сотрудничество.

Однако проблемы остаются колоссальными. Вычислительная инфраструктура для систем ИИ и хранения больших данных пока не отвечает потребностям эксплуатации моделей глубокого обучения. Гидрометеорологические данные разрозненны и не синхронизированы между министерствами и отраслями; в некоторых районах, таких как приграничные и островные, данные по-прежнему отсутствуют. Стоимость эксплуатации высокотехнологичных систем мониторинга высока, а механизмы социализации ограничены. Кадровые ресурсы, владеющие как численными моделями, так и ИИ и анализом больших данных, пока не отвечают требованиям развития. Кроме того, для сохранения роли в программах международного сотрудничества необходим стабильный источник финансирования.

Прорыв в технологиях и искусственном интеллекте

В последние годы гидрометеорологическая отрасль активно внедряет решения для модернизации процесса прогнозирования. Были модернизированы высокоточные численные модели прогнозирования (1–3 км), интегрирующие данные отечественных наблюдений и международные продукты ЕЦСПП, что позволило сократить время выпуска прогнозов с 5–8 до 2–3 часов. Система ансамблевого прогнозирования с 32 краткосрочными и 51 среднесрочными компонентами позволяет создавать карты вероятностей, прогнозы последствий и подробные данные об осадках для каждой коммуны и района.

С 2019 года система SmartMet постепенно заменяет ручной анализ, помогая визуализировать, редактировать и синхронизировать данные прогнозов в режиме реального времени между центральным и местными уровнями, значительно сокращая время выпуска бюллетеней.

Искусственный интеллект начинает играть важную роль в прогнозировании. Модели глубокого обучения применяются для распознавания тайфунов, прогнозирования сверхкоротких осадков, анализа спутниковых изображений Химавари, раннего определения местоположения центров штормов и улучшенного прогнозирования интенсивности тропических циклонов. Пример тайфуна Нору в 2022 году показал, что модели искусственного интеллекта, интегрирующие спутниковые и радиолокационные данные, могут способствовать раннему распознаванию развития штормов при их входе в Восточно-Китайское море, что позволяет увеличить время раннего оповещения до 72 часов.

Приложения на основе искусственного интеллекта активно применяются для выполнения прогнозных задач.

Качество прогнозов значительно улучшилось. Сроки прогнозирования штормов увеличились с 24 часов до 3 дней; ранние предупреждения выпускаются за 5 дней; ошибки определения местоположения штормов с 48-часовым интервалом сократились вдвое. Прогнозы сильных дождей и наводнений за 2-3 дня достигли надёжности около 75%; локальные предупреждения о грозах – от 30 минут до нескольких часов; прогнозы сильного холода и повсеместной жары достигли надёжности 70-90%.

Международное сотрудничество продолжает играть важную роль. Вьетнам поддерживает профессиональные обмены с JMA (Япония), CMA (Китай) и многими крупными метеорологическими агентствами в области обмена данными, оценки консенсуса и подготовки кадров. Даже в период пандемии COVID-19 учебные курсы ВМО проводились в режиме онлайн, обеспечивая профессиональное развитие прогнозистов в стране и регионе.

По данным Департамента гидрометеорологии Министерства сельского хозяйства и охраны окружающей среды , в период 2025–2030 годов гидрометеорологическая отрасль будет развиваться на основе трёх основных направлений: модернизация сети мониторинга; повышение потенциала прогнозирования в направлении воздействия и прогнозирования в режиме реального времени; комплексная цифровая трансформация. В частности, приоритетной задачей является завершение создания сети автоматического и синхронного мониторинга, особенно в районах с дефицитом данных. Целью сектора является увеличение вычислительной мощности в 5–10 раз по сравнению с 2020 годом; разработка гибридной модели, сочетающей численное прогнозирование и искусственный интеллект; повышение способности предупреждать о внезапных паводках и оползнях на 6–12 часов и предупреждать о штормах за 3–5 дней.

Комплексная цифровая трансформация требует 100% интеграции данных в Национальную базу данных гидрометеорологических услуг, а также создания правового механизма, способствующего социализации и коммерциализации гидрометеорологических услуг. Ключевым фактором по-прежнему остаются кадры: отрасль уделяет особое внимание углублённому обучению в области искусственного интеллекта, больших данных, современных моделей прогнозирования и расширению международного сотрудничества, особенно с ВМО и странами с развитой гидрометеорологией, для получения, освоения и развития технологий прогнозирования нового поколения.

Центр научно-технической коммуникации

Источник: 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