Dự báo Khí tượng thủy văn: Việt Nam đang ở đâu?

Để trả lời các câu hỏi này, PV Báo Tài nguyên và Môi trường đã có cuộc trao đổi với GS. TS Trần Thục (ảnh) - Hội Khí tượng Thủy văn Việt Nam.

PV: Thưa Giáo sư, để dự báo, cảnh báo sự thay đổi của thời tiết, khí hậu, công nghệ dự báo của Việt Nam hiện nay như thế nào, khi đặt trong bức tranh chung của thế giới?

GS. TS Trần Thục:

Hiện nay, thế giới nói chung và Việt Nam đều áp dụng 3 phương pháp chính để dự báo thời tiết, như: Phương pháp thống kê; Phương pháp Sy-nốp, phân tích các hình thái thời tiết, từ đó, dự báo cho tương lai và Phương pháp mô hình toán, thường được gọi là phương pháp dự báo số trị. Trong đó, phương pháp dự báo số trị được đặc biệt quan tâm trong vài thập kỷ gần đây do có khả năng dự báo định lượng các yếu tố khí tượng chi tiết theo không gian và thời gian. Phương pháp số trị giúp tăng thời hạn dự báo và cả về chất lượng dự báo. Các mô hình dự báo có thể cho kết quả ở các quy mô khác nhau, từ quy mô toàn cầu với độ phân giải 150 - 50 km, quy mô khu vực (nhỏ hơn 15 km) và quy mô nhỏ (nhỏ hơn 2 km), tùy thuộc vào năng lực của máy tính.

Mô hình số trị đã có những bước tiến đáng kể, nhưng kết quả vẫn chứa đựng nhiều sai số, đặc biệt, đối với khu vực nhiệt đới gió mùa như ở Việt Nam. Ở khu vực nhiệt đới gió mùa, hệ thống khí quyển bị chi phối bởi các nhiễu động có quy mô không gian và thời gian nhỏ, vì thế, một nhiễu động đối lưu nhỏ hoặc sai lệch về tâm hội tụ ẩm cũng có thể dẫn đến sai số lớn trong kết quả dự báo. Dự báo số trị, vì thế, sẽ gặp khó khăn lớn đối với khu vực bị ảnh hưởng địa hình và gió mùa phức tạp.

Mô hình số trị có thể cho kết quả dự báo khá tốt khi bão hoạt động trên biển. Tuy vậy, khi bão gần bờ và sắp đổ bộ, do ảnh hưởng của địa hình làm cấu trúc bão bị biến dạng nên các mô hình toàn cầu khó có thể xác định được cường độ và tâm bão gần bờ. Vì thế, phải dùng số liệu quan trắc mặt đất, radar, thám không, hoặc mô hình khu vực có độ phân giải cao vài km, mới có thể xác định được vị trí, cường độ bão. Bởi vậy, các nước không sử dụng trực tiếp sản phẩm mô hình số trị để đưa ra bản tin dự báo cho người dân, mà phải hiệu chỉnh, bổ sung bằng các số liệu quan trắc và phương pháp thống kê.

Một trong những hướng nghiên cứu mới trong dự báo thời tiết mà tôi cho là nổi bật là áp dụng trí thông minh nhân tạo với cơ sở dữ liệu lớn và các thuật toán giúp máy tính “học sâu” các tri thức, kinh nghiệm và điều kiện trong quá khứ để áp dụng vào dự báo. Đã có nhiều bước tiến quan trọng trên thế giới theo hướng tiếp cận này. Việt Nam cũng đang nghiên cứu thử nghiệm. Tuy vậy, thách thức lớn đối với việc áp dụng trí thông minh nhân tạo trong dự báo thời tiết là biến đổi khí hậu. Biến đổi khí hậu có thể làm thay đổi các quy luật vốn có, các mối quan hệ, ràng buộc của các biến khí tượng, vì thế, máy tính khó áp dụng những kinh nghiệm trong quá khứ để áp dụng cho tương lai. 

PV: Có ý kiến cho rằng, ngành KTTV của Việt Nam đã áp dụng nhiều phương pháp, công nghệ tiên tiến của thế giới nhưng còn những hạn chế. Quan điểm của Giáo sư về vấn đề này?

GS. TS Trần Thục:

Nhìn nhận tổng quan về công nghệ dự báo, có thể thấy, thông qua các hoạt động hợp tác quốc tế, Việt Nam đã tiếp nhận và áp dụng một số mô hình dự báo thời tiết hiện đại của thế giới.

Việc dự báo thời tiết ở Việt Nam là kết hợp giữa mô hình số trị và phân tích Sy-nốp, sử dụng số liệu thực đo tại các trạm quan trắc KTTV, số liệu radar thời tiết, thám không, cộng với các phương pháp thống kê để đưa ra bản tin dự báo thời tiết, đặc biệt, đối với các điều kiện thời tiết nguy hiểm.

Tôi tin tưởng rằng, dự báo của Việt Nam cho Việt Nam tốt hơn dự báo của thế giới cho Việt Nam. Như đã phân tích, khi một cơn bão đến gần bờ, điều kiện địa hình và mặt đệm làm thay đổi cấu trúc của bão. Vì thế, nếu chỉ dựa vào kết quả tính toán từ mô hình là hoàn toàn không đủ, cần phải phân tích sâu, dựa trên số liệu quan trắc tại các trạm, số liệu radar, thám không và phương pháp thống kê để hiệu chỉnh kết quả từ mô hình số trị. Vậy, có thể khẳng định rằng: Dự báo của Việt Nam cho Việt Nam sẽ tốt hơn dự báo của thế giới cho Việt Nam.

 PV: Công tác dự báo KTTV của Việt Nam cần cải thiện như thế nào để tốt hơn, thưa Giáo sư?

GS. TS Trần Thục:

Với tác động của BĐKH, thời tiết đã, đang và chắc chắn sẽ có những thay đổi theo hướng bất lợi, các cực đoan thời tiết, khí hậu sẽ gia tăng cả về cường độ lẫn tần suất. Vì thế, công tác dự báo đối với ngành KTTV cần phải tăng cường hơn nữa.

Theo tôi, những bản tin dự báo cần chuyển tải những thông tin mang tính chuyên môn sâu thành những ngôn ngữ dễ hiểu đối với người dân và chính quyền ở địa phương. Những kết quả dự báo cần được hiển thị một cách trực quan hơn.

Một điều quan trọng, cùng với các bản tin dự báo các yếu tố KTTV, cần có cảnh báo về rủi ro mà cảnh điều kiện KTTV này có thể gây ra. Lấy một ví dụ: Dự báo lũ cấp báo động 3 trên một sông nào đó, nên kèm theo thông tin cảnh báo là khu vực nào có thể bị ngập và rủi ro về tổn thất và thiệt hại có thể có. Điều này sẽ giúp người dân biết được rủi ro đối với chính mình để quyết định sơ tán hay có các biện pháp phòng chống phù hợp; đồng thời, giúp chính quyền địa phương có kế hoạch sơ tán dân hay hỗ trợ người dân để tránh những thiệt hại, đặc biệt, thiệt hại về người. Trên thế giới, đặc biệt, ở các nước phát triển, bản đồ rủi ro thiên tai theo thời gian thực đã được áp dụng rất hiệu quả. Chúng ta cần cố gắng xây dựng những bản đồ như vậy.

Cụ thể, cùng với bản tin dự báo, cần cảnh báo được cho người dân biết thêm mức độ rủi ro như thế nào. Ví dụ, dự báo bão vào một khu vực nào đó, cần thêm thông tin về khả năng xảy ra và mức độ tác động đối với khu vực đó. Điều này sẽ giúp người dân lường trước và chủ động được việc phòng tránh.

Thực tế, với những tác động của BĐKH, công tác dự báo cần được hiện đại hóa, tăng cường hơn nữa. Tất nhiên, khó có thể yêu cầu, dự báo KTTV là chính xác hoàn toàn. Nhưng tôi tin, với những nỗ lực như hiện nay, công tác dự báo KTTV của Việt Nam sẽ ngày càng tiến bộ, phục vụ đắc lực cho công tác giảm nhẹ rủi ro thiên tai và đóng góp cho sự phát triển bền vững của đất nước.

 PV: Trân trọng cảm ơn Giáo sư!

Theo Báo TN&MT