Làm tốt điều này sẽ không chỉ giúp giảm thiểu thiệt hại về người và tài sản, mà còn khẳng định năng lực tự chủ về khoa học-công nghệ của quốc gia trong lĩnh vực phòng, chống thiên tai.
Tỉnh Quảng Trị nhiều năm qua luôn nằm trong nhóm địa phương chịu ảnh hưởng nặng nề nhất của bão lũ. Các giải pháp công trình như hồ chứa, đê chắn, phân lũ hay di dời dân cư dù phát huy hiệu quả nhưng cần kinh phí lớn, thời gian đầu tư dài, trong khi tính chất của thiên tai ngày càng thay đổi nhanh.
Một yêu cầu cấp thiết đặt ra là phải phát triển được các công cụ cảnh báo sớm dựa trên dữ liệu thời gian thực, mô hình toán hiện đại và công nghệ truyền tải thông tin nhanh.
Xuất phát từ thực tiễn đó, Bộ Khoa học và Công nghệ giao Phòng thí nghiệm trọng điểm quốc gia về động lực học sông biển thực hiện đề tài “Nghiên cứu ứng dụng công nghệ tiên tiến xây dựng hệ thống cảnh báo sớm rủi ro thiên tai do lũ, ngập lụt cho tỉnh Quảng Trị và khu vực lân cận”, do Phó Giáo sư, Tiến sĩ Nguyễn Thanh Hùng làm chủ nhiệm.
Có 3 mục tiêu chiến lược đặt ra cho đề tài, gồm: Xây dựng Bản đồ rủi ro thiên tai (thiết lập bản đồ rủi ro lũ, ngập lụt chi tiết đến cấp xã, phục vụ trực tiếp cho công tác phòng tránh); phát triển công nghệ cảnh báo thời gian thực (xây dựng công nghệ tiên tiến cảnh báo sớm rủi ro thiên tai lũ, ngập lụt theo thời gian thực, dựa trên các bản tin dự báo khí tượng thủy văn); hoàn thiện Hệ thống truyền tải và ứng phó (xây dựng công nghệ truyền tải thông tin cảnh báo và đề xuất các phương án ứng phó phù hợp, hiệu quả).
Để đạt được các mục tiêu này, nhóm nghiên cứu đã triển khai 6 nội dung chính, trong đó tập trung vào việc thu thập, phân tích dữ liệu chuyên sâu và ứng dụng công nghệ đột phá.
Điểm nhấn tạo nên hiệu quả của hệ thống nằm ở việc ứng dụng đồng thời nhiều công nghệ tiên tiến hàng đầu hiện nay. Trước hết là mô hình toán học dựa trên các quá trình vật lý.
Nhóm nghiên cứu đã xây dựng bộ công cụ mô phỏng ngập lụt và đánh giá rủi ro theo cách tiếp cận vật lý, tức là mô phỏng diễn biến thực của dòng chảy, lượng mưa, độ dốc địa hình và các yếu tố thủy văn nhằm tạo ra các kịch bản dự báo sát thực tế hơn.
Cùng với đó, trí tuệ nhân tạo (AI) và học máy đóng vai trò như “bộ não tăng cường”. Phó Giáo sư, Tiến sĩ Nguyễn Thanh Hùng và cộng sự đã huấn luyện hệ thống trên khối dữ liệu lớn nhiều năm, từ đó tạo ra 282 kịch bản khác nhau phục vụ cảnh báo thiên tai.
Nhờ AI, tốc độ xử lý và đưa ra dự báo được rút ngắn đáng kể, đây là yếu tố then chốt trong công tác phòng, chống thiên tai vốn đòi hỏi phản ứng theo thời gian thực.
Một trụ cột khác là công nghệ truyền tải thông tin tích hợp. Hệ thống được thiết kế để gửi cảnh báo và hướng dẫn ứng phó trực tiếp đến người dân qua điện thoại di động, website và mạng xã hội, bảo đảm thông tin quan trọng được truyền đi nhanh chóng, đúng nơi, đúng thời điểm.
Các kết quả bước đầu của đề tài đã được áp dụng thử nghiệm trong mùa lũ 2024 tại Quảng Trị. Những dự báo, cảnh báo theo thời gian thực dựa trên mô hình mới được các cơ quan quản lý và chuyên gia đánh giá cao về độ đầy đủ, tính hiện đại và khả năng đáp ứng các yêu cầu thực tiễn cấp bách tại địa phương.
Không chỉ khu vực miền trung, nhiều dải đất ven biển của Việt Nam cũng đối mặt với nguy cơ ngập lụt nghiêm trọng do sự kết hợp giữa bão mạnh, nước biển dâng và sóng lớn.
Trước tình hình này, Trung tâm Dự báo khí tượng thủy văn quốc gia đã triển khai đề tài cấp quốc gia “Xây dựng bộ mô hình và quy trình công nghệ dự báo ngập lụt vùng ven biển do nước dâng và sóng trong bão”, do Phó Giáo sư, Tiến sĩ Nguyễn Bá Thủy chủ nhiệm, thực hiện từ tháng 12/2022 đến tháng 11/2025.
Mục tiêu là làm chủ mô hình tính toán tích hợp giữa khí quyển-sóng-nước dâng và xây dựng quy trình dự báo phù hợp với điều kiện bờ biển Việt Nam. Nhóm nghiên cứu đã hoàn thành việc thu thập, xử lý dữ liệu khí tượng, thủy văn, hải văn và địa hình, đồng thời tích hợp ba mô hình tiên tiến gồm WRF (mô phỏng gió bão), SWAN (mô phỏng sóng) và ADCIRC (mô phỏng nước dâng).
Hệ thống cho phép mô phỏng chi tiết quá trình bão tương tác với địa hình ven biển, từ đó dự báo mức độ ngập lụt theo kịch bản cụ thể. Mô hình được thử nghiệm tại tỉnh Thanh Hóa ở tỷ lệ bản đồ 1/10.000, đánh giá ngập lụt theo các cấp bão 11-14, có và không có đê biển, kết hợp nhiều thời điểm triều khác nhau.
Các sản phẩm đã được chuyển giao cho địa phương để lập phương án sơ tán, bảo vệ tàu thuyền, vùng nuôi trồng thủy sản và hạ tầng đê điều. Bộ công cụ dự báo đã được vận hành thử trong mùa bão 2025 và cho kết quả trùng khớp cao với số liệu thực tế.
Ông Hoàng Đức Cường, Phó Cục trưởng Cục Khí tượng Thủy văn đánh giá rằng, đề tài đã góp phần quan trọng vào nâng cao chất lượng cảnh báo sớm cho vùng ven biển, phù hợp mục tiêu hiện đại hóa dự báo của ngành.
Một điểm đáng chú ý là mô hình tách riêng quy trình dự báo cho hai loại địa hình: Khu vực có đê và khu vực không có đê. Đê biển quyết định mạnh mẽ đến khả năng lan truyền sóng và nước dâng cho nên cần phương pháp dự báo khác biệt. Điều này giúp mô hình phù hợp với từng tỉnh ven biển có cấu trúc bờ khác nhau, từ Thanh Hóa, Huế đến Khánh Hòa, Vĩnh Long hay Cà Mau.
Theo Phó Giáo sư, Tiến sĩ Nguyễn Bá Thủy, mô hình còn giúp nâng cao năng lực dự báo của đội ngũ dự báo viên. Tuy nhiên, để mô hình vận hành thời gian thực phục vụ nghiệp vụ vẫn cần đầu tư thêm hệ thống tính toán mạnh.
Cả hai đề tài đều cho thấy mức độ trưởng thành của Việt Nam trong việc tự chủ công nghệ mô phỏng và cảnh báo thiên tai hiện đại. Dù khó lượng hóa trực tiếp thành chỉ tiêu kinh tế, nhưng lợi ích gián tiếp từ việc giảm thiểu thiệt hại là rất lớn.
Trong bối cảnh thiên tai ngày càng cực đoan, việc phát triển các mô hình dự báo tích hợp, ứng dụng AI, dữ liệu lớn và công nghệ truyền tin nhanh là hướng đi phù hợp để Việt Nam hoàn thiện hệ thống cảnh báo sớm quy mô quốc gia.
Đây không chỉ là mục tiêu của ngành khí tượng thủy văn mà còn là yêu cầu cốt lõi để phát triển bền vững kinh tế-xã hội, đặc biệt tại các địa phương chịu rủi ro cao.
![[Ảnh] Vận hành thử nghiệm nhà máy kiểm thử và đóng gói chip bán dẫn đầu tiên do người Việt làm chủ](https://cdn.nhandan.vn/images/AUWOWimtDzYMiJBNCHHCHuXzP2zOgJoQxklhL7TcDc5Bv_KnzBzb5VgbsJws30zZ/anh-2.jpg.avif)
