Застосування науки і технологій, штучного інтелекту та цифрової трансформації в гідрометеорологічному прогнозуванні

В умовах дедалі серйознішої зміни клімату та активного розвитку Четвертої промислової революції гідрометеорологічне прогнозування (ГМП) стикається з новими та складними вимогами. Наука і технології, штучний інтелект (ШІ) та цифрова трансформація не лише відіграють допоміжну роль, але й стали основою, визначаючи швидкість, якість та точність сучасної системи попередження про стихійні лиха.

Нові труднощі в епоху зміни клімату

У всьому світі традиційні методи прогнозування замінюються числовими моделями високої роздільної здатності, передовими системами асиміляції даних і особливо проривами в галузі штучного інтелекту та глибокого навчання. Провідні метеорологічні організації, такі як ECMWF або JMA, застосовують штучний інтелект для виправлення помилок, створення миттєвих прогнозів та використання дедалі багатших відкритих сховищ даних Всесвітньої метеорологічної організації (ВМО), відкриваючи нову еру метеорологічного прогнозування на основі даних та штучного інтелекту.

У В'єтнамі вплив зміни клімату дедалі помітніший у збільшенні частоти та інтенсивності сильних штормів, локальних зливових дощів, раптових повеней та зсувів. Це призвело до зміни вимог до прогнозування з опису явищ на прогнозування наслідків; від якісного прогнозування до кількісного, детального, своєчасного та раннього прогнозування, що створює великий тиск на гідрометеорологічний сектор для прискорення технологічних інновацій та цифрової трансформації.

Традиційні методи прогнозування замінюються застосуванням штучного інтелекту та великих даних для моніторингу, аналізу, прогнозування та попередження про гідрометеорологічні ситуації.

В останні роки гідрометеорологічний сектор також зіткнувся зі значними можливостями для модернізації. Експлуатація суперкомп'ютера Cray XC40 створила значний крок вперед у обчислювальних потужностях. Маючи потужність майже 80 TFLOPS, система допомагає запускати прогностичну модель з роздільною здатністю 3 км для всієї території та Східного моря всього за 30-40 хвилин, що ставить В'єтнам до групи країн з потужною прогностичною інфраструктурою в регіоні.

Разом мережа з понад 3200 автоматичних дощових станцій, 10 метеорологічних радарів та системи позиціонування блискавок створила постійно оновлюване джерело даних високої роздільної здатності розміром 1×1 км, що є важливою основою для моделей прогнозування. Ці дані довели свою ефективність у багатьох практичних ситуаціях, таких як історичні дощі в Центральному регіоні у 2020 році або сильні дощі у 2024 році.

В'єтнам також був визнаний ВМО Регіональним центром підтримки попередження про суворі погодні умови (SWFP-SeA) та Регіональним центром попередження про раптові повені та зсуви (SeAFFGS), що розширює доступ до передових технологій, стандартизує процеси та посилює міжнародну співпрацю.

Однак, проблеми залишаються величезними. Обчислювальна інфраструктура для систем штучного інтелекту та зберігання великих даних ще не відповідає потребам роботи з моделями глибокого навчання. Гідрометеорологічні дані розпорошені та не мають синхронізації між міністерствами та секторами; у деяких районах, таких як кордони та острови, досі бракує даних. Вартість експлуатації високотехнологічних систем моніторингу висока, а механізм соціалізації обмежений. Людські ресурси зі знаннями як числових моделей, штучного інтелекту, так і аналізу великих даних ще не відповідають вимогам розвитку. Крім того, для підтримки ролі в програмах міжнародного співробітництва потрібне стабільне джерело фінансування.

Прорив у технологіях та штучному інтелекті

В останні роки гідрометеорологічний сектор активно впроваджував рішення для модернізації процесу прогнозування. Були оновлені числові прогнозні моделі високої роздільної здатності (1-3 км), які асимілюють дані вітчизняних спостережень та поєднують міжнародні продукти ECMWF, що допомагає скоротити час випуску прогнозів з 5-8 годин до 2-3 годин. Система ансамблю прогнозування з 32 короткостроковими компонентами та 51 середньостроковим компонентом підтримує побудову карт ймовірностей, прогнозів впливу та детальних опадів для кожної комуни та району.

З 2019 року система SmartMet поступово замінила ручний аналіз, допомагаючи візуалізувати, редагувати та синхронізувати прогнозні дані в режимі реального часу між центральним та місцевим рівнями, значно скорочуючи час випуску бюлетенів.

Штучний інтелект починає відігравати важливу роль у прогнозуванні. Моделі глибокого навчання застосовуються для ідентифікації тайфунів, прогнозування надкоротких опадів, аналізу супутникових знімків Гімаварі, раннього визначення місць розташування центрів штормів та покращення прогнозування інтенсивності тропічних циклонів. Випадок тайфуну Нору у 2022 році показав, що моделі ШІ, що інтегрують супутникові та радіолокаційні дані, можуть сприяти ранньому виявленню розвитку штормів при вході у Східне море, допомагаючи збільшити час раннього попередження до 72 годин.

Програми штучного інтелекту активно використовуються для прогнозування.

Якість прогнозів значно покращилася. Терміни прогнозування штормів збільшилися з 24 годин до 3 днів; ранні попередження видавалися за 5 днів; помилки визначення місцезнаходження штормів з 48-годинними інтервалами скоротилися вдвічі. Прогнози сильних дощів та попередження про повені за 2-3 дні досягли надійності близько 75%; попередження про локальні грози видавалися за 30 хвилин до кількох годин; прогнози сильних холодів та повсюдної спеки досягли надійності 70-90%.

Міжнародна співпраця продовжує відігравати важливу роль. В'єтнам підтримує професійні обміни з JMA (Японія), CMA (Китай) та багатьма великими метеорологічними агентствами щодо обміну даними, консенсусної оцінки та навчання людських ресурсів. Навіть під час періоду Covid-19 навчальні курси ВМО проводилися онлайн, забезпечуючи професійний розвиток прогнозистів у країні та регіоні.

За даними Департаменту гідрометеорології Міністерства сільського господарства та навколишнього середовища , у період 2025-2030 років сектор гідрометеорології розвиватиметься на основі трьох напрямків: модернізація мережі моніторингу; покращення прогностичної спроможності щодо впливу та прогнозування в режимі реального часу; комплексна цифрова трансформація. Зокрема, пріоритетним завданням є завершення створення автоматичної та синхронної мережі моніторингу, особливо в районах, де бракує даних. Сектор прагне збільшити обчислювальні потужності у 5-10 разів порівняно з 2020 роком; розробити гібридну модель, що поєднує числове прогнозування та штучний інтелект; збільшити здатність попереджати про раптові повені та зсуви на 6-12 годин та попереджати про шторми за 3-5 днів.

Комплексна цифрова трансформація вимагає інтеграції 100% даних до Національної гідрометеорологічної бази даних, одночасно будуючи правовий механізм для сприяння соціалізації та комерціалізації гідрометеорологічних служб. Ключовим фактором залишаються люди, галузь зосереджується на поглибленому навчанні в галузі штучного інтелекту, великих даних, сучасних моделей прогнозування та розширенні міжнародної співпраці, особливо з ВМО та країнами з розвиненою гідрометеорологією, для отримання, освоєння та розвитку технологій прогнозування нового покоління.

Центр науково-технічної комунікації

Джерело: 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