Покращення якості прогнозів стихійних лих.

У контексті посилення екстремальних погодних явищ, потреба в підвищенні точності метеорологічних та гідрологічних прогнозів стає дедалі актуальнішою.

Історична повінь на річці Лам у Туонг Дуонг, Нге Ан, у 2025 році.

Вчені досліджують гібридні моделі, які інтегрують різні джерела даних та штучний інтелект (ШІ) для покращення якості прогнозування та підтримки ефективнішого прийняття рішень щодо запобігання стихійним лихам та реагування на них.

Інтегроване гібридне рішення для раннього попередження про стихійні лиха, досліджене та впроваджене Інститутом водних ресурсів (Центр планування та дослідження водних ресурсів Міністерства сільського господарства та навколишнього середовища ), вважається проривом у прогнозуванні стихійних лих у В'єтнамі.

Доктор Буй Ду Дуонг, заступник директора Інституту водних ресурсів, заявив: «Гібридне рішення — це рішення для прогнозування, яке інтегрує кілька джерел даних та моделей, використовуючи сильні сторони кожного методу. Порівняно з традиційними моделями, це рішення є більш гнучким, стабільним та забезпечує точніші прогнози. Однак воно є додатковим рішенням і не замінює традиційні моделі прогнозування».

В принципі, гібридне рішення поєднує кілька джерел даних та моделей, використовуючи сильні сторони кожного методу для перетворення різнорідних даних на корисну інформацію. Це може покращити вхідні дані, зменшити кількість помилок, підвищити цінність раннього попередження та підтримати прийняття рішень.

Це рішення використовує традиційні математичні та фізичні моделі як наукову основу; застосовує технологію дистанційного зондування для спостереження на великій території; та використовує реальні виміряні дані для калібрування та перевірки. Крім того, воно використовує алгоритми в поєднанні з методами штучного інтелекту (ШІ) для розрахунків та висновків. Як правило, ці висновки є точними, допомагаючи галузі прогнозування знизити рівень помилок базових даних, забезпечуючи точні та своєчасні ранні прогнози та попередження. У гібридному рішенні застосовуються чотири моделі: прогнозування опадів та стоку; попередження про зсуви; ризик ерозії водозбору та седиментації водосховищ; та прогнозування повеней.

Ці рішення не лише використовують традиційні метеорологічні та гідрологічні дані, але й інтегрують супутникові дані, глобальні метеорологічні моделі та алгоритми машинного навчання, тим самим допомагаючи синоптикам обробляти великі обсяги інформації та надавати більш ранні та точні попередження.

Для реалізації цих чотирьох моделей Інститут водних ресурсів запропонував кілька рішень, групу гібридних рішень для прогнозування та попередження про стихійні лиха. До них належить рішення GM-ForcePast, яке оновлюється щодня та може надавати синхронізовану інформацію про кількість опадів високої роздільної здатності, зменшуючи невизначеність, спричинену обмеженими або нерівномірними спостереженнями, та підтримуючи щоденну експлуатацію водосховища та короткострокове планування.

Наступне рішення, що прогнозує від 16 днів до 6 місяців наперед і також оновлюється щодня, може передбачати сукупну кількість опадів на основі глобальних моделей (GFS, ECMWF, Google). Для гібридних рішень моделювання це прогнозує приплив води у водосховище на 16 днів наперед і оновлюється щодня, поєднуючи математико-фізичні моделі (HYPE) та моделі машинного навчання (RF, XGBoost), доповнені даними із супутників та глобальними метеорологічними моделями.

Окрім гібридної моделі для моніторингу та прогнозування потоку, а також рішень, що враховують вплив взаємопов'язаної системи водосховищ на потік та осад, раннє попередження про ризик зсувів вважається рішенням, заснованим на дослідженні закономірностей стихійних лих. Це дозволяє прогнозувати ризик зсувів на основі польових даних та потенційних опадів. Остаточним рішенням є прогнозування масштабів, глибини та тривалості повеней. У випробуваннях у нижньому регіоні Меконгу гібридна система змогла розрахувати масштаби та глибину щоденних повеней лише за 30 секунд, з часом прогнозування до 18 днів.

Згідно з результатами досліджень та випробувань, гібридне рішення може підвищити точність прогнозу більш ніж на 40%. Крім того, прогнозисти можуть оновлювати та синтезувати набагато більший обсяг інформації, скорочуючи час та зусилля. Поєднання вищезгаданих рішень та груп рішень доповнює та долає обмеження традиційних методів, сприяючи модернізації прогнозування стихійних лих у В'єтнамі у швидшому, точнішому та розумнішому напрямку, а також використовуючи нові науково-технічні досягнення.

За даними газети «Нхан Дан»

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