Trong những năm gần đây, ngoài việc sử dụng mô hình dựa trên vật lý, các nhà dự báo và nhà nghiên cứu đã bắt đầu áp dụng các kỹ thuật AI rộng rãi hơn nhiều, khi chúng thể hiện sự hiệu quả trong nhiều ứng dụng, bao gồm hiệu chỉnh sai lệch sau mô hình, xử lý bộ dữ liệu lớn, giảm quá tải nhận thức và mở khóa thông tin chi tiết mới trong bộ dữ liệu lớn. AI và các công nghệ khoa học dữ liệu, đặc biệt là khoa học máy tính và khai thác dữ liệu, thu hẹp khoảng cách giữa dự báo mô hình số và thời gian thực bằng cách cải thiện độ chính xác. Các kỹ thuật AI cũng trích xuất thông tin không có sẵn từ các mô hình dự báo bằng cách kết hợp đầu ra của mô hình với các quan sát để hỗ trợ quyết định bổ sung cho người dự báo và người dùng.
Giao diện công cụ ước lượng mưa từ ảnh radar bằng công nghệ AI
Tại Việt Nam, công nghệ AI cũng đang dần phổ biến trong nhiều lĩnh vực, và ngành Khí tượng Thủy văn cũng đã có những nghiên cứu ứng dụng công nghệ AI trong xử lý thông tin dữ liệu, quan trắc và dự báo, cảnh báo sớm. Đài Khí tượng cao không nghiên cứu, phát triển công cụ sử dụng mô hình học máy: Logistic Regression Model (LRM), Random Forest (RF) và Decision Tree Classifier (DTC) để tăng cường độ chính xác của thông tin dự báo dông, sét đã được đưa vào dự báo nghiệp vụ từ năm 2022. Trung tâm Thông tin và Dữ liệu KTTV đã thực hiện nghiên cứu giải pháp ứng dụng AI để nhận dạng, hỗ trợ dự báo, cảnh báo một số hiện tượng khí tượng thủy văn nguy hiểm. Trung tâm Dự báo KTTV quốc gia có một số đề tài nghiên cứu xây dựng hệ thống AI ứng dụng trong dự báo xoáy thuận nhiệt đới ở Biển Đông và ảnh hưởng đến Việt Nam hạn đến 3 ngày; Nghiên cứu đổi mới công nghệ dự báo sóng biển, nước dâng do bão thời gian 24 giờ bẳng kỹ thuật xử lý dữ liệu lớn và học máy và Nghiên cứu ứng dụng công nghệ số mới để dự báo định lượng mưa hạn cực ngắn cho khu vực trung du, miền núi Việt Nam. Đài KTTV khu vực Nam Bộ đã nghiên cứu xây dựng hệ thống giám sát, dự báo, cảnh báo ngập/ triều đô thị dựa trên nền tảng AI tại TP HCM; ứng dụng AI phục vụ dự báo mặn và thí điểm cho tỉnh Sóc Trăng.
Đài KTTV khu vực Nam Bộ đã lựa chọn phương pháp CNN dựa trên Rainet có kiến trúc U–Net để nghiên cứu xây dựng công cụ ước lượng mưa bằng công nghệ trí tuệ nhận tạo (AI) trong việc sử dụng số liệu radar vào dự báo mưa hạn cực ngắn, thí điểm tại Thành phố Thủ Đức, Hồ Chí Minh. Sau đó, khi hệ thống đã được kiểm nghiệm, ứng dụng cũng như đánh giá và cho kết quả tốt sẽ triển khai trên toàn bộ TP Hồ Chí Minh mở rộng.
Nghiên cứu sẽ sử dụng mô hình Convolutional Neural Networks (CNN) với cơ sở Rainet dùng để nghiên cứu và xây dựng công cụ ước lượng mưa từ số liệu radar. Mô hình Convolutional Neural Networks (CNN) với cơ sở Rainet được dùng để tính toán và ước lượng mưa từ ảnh radar Nhà Bè, với dữ liệu các tháng mùa mưa từ tháng 5 đến tháng 11 năm 2019 và năm 2020 dùng để huấn luyện mô hình. Công cụ cho thấy được sự hữu ích khi đã dự báo được lượng mưa bằng phương pháp sử dụng công nghệ AI và cụ thể là mô hình RainNet để tính toán và ước lượng mưa từ ảnh radar Nhà Bè với dữ liệu dùng các tháng mùa mưa từ tháng 5 đến tháng 11 với khoảng thời gian 10 phút. Có thể thấy rằng, việc ước lượng lượng mưa từ ảnh radar thời tiết là rất ý nghĩa đối với dự báo cực ngắn và giúp dự báo viên rất nhiều trong việc đưa ra các cảnh báo kịp thời và chính xác hơn. Bên cạnh việc ước lượng được lượng mưa dự báo thì người sử dụng còn có thể theo dõi được sự dịch chuyển của những khối mây thông qua lượng mưa ước lượng và cảnh báo mưa lớn. Do vậy, công cụ khá hữu ích cho việc cảnh báo mưa lớn để giúp cung cấp số liệu và thông tin cho phục vụ chống ngập.
Tuy nhiên công cụ vẫn có hạn chế nhất định đó là mới dự báo được lượng mưa trong thời gian ngắn. Mô hình huấn luyện AI đòi hỏi một lượng lớn dữ liệu để học và thời gian để huấn để thu bộ trọng số khá lâu. Nghiên cứu sẽ tiếp tục phát triển và mở rộng để hoàn thiện hơn.
Tạp chí KTTV
.png)
.jpg)
.png)
.png)
.jpg)
.png)