Một dự án do Bộ Năng lượng Mỹ (DOE) tài trợ đang thử nghiệm việc kết hợp trí tuệ nhân tạo (AI) với các mô hình vật lý để dự báo các hệ thống bão quy mô lớn từ 7 ngày đến 6 tuần trước khi hình thành trên lục địa Mỹ. Nếu thành công, công nghệ này có thể mang lại thêm thời gian chuẩn bị cho chính quyền địa phương, ngành điện lực, doanh nghiệp bảo hiểm và người dân trước các hiện tượng thời tiết cực đoan.
Dự báo bão vẫn "mắc kẹt" ở ngưỡng một tuần
Dự án mang tên DL4MCS được phát triển bởi Planette AI, Phòng thí nghiệm Quốc gia Tây Bắc Thái Bình Dương (PNNL) và Đại học Wyoming, trong khuôn khổ Genesis Mission của Bộ Năng lượng Mỹ.
Mục tiêu của dự án là cải thiện khả năng dự báo hệ thống siêu dông vùng nhiệt đới (MCS) – các hệ thống dông bão quy mô trung bình nhưng có thể mở rộng hàng trăm kilomet.
Đây là những tổ hợp bão có khả năng gây ra gió giật mạnh, mưa lớn, lũ quét và nhiều hiện tượng thời tiết nguy hiểm khác. Chúng cũng là nguồn tạo ra phần lớn lượng mưa trong mùa nóng tại Mỹ.
Hiện nay, các mô hình dự báo thời tiết vẫn gặp nhiều khó khăn trong việc dự báo chính xác hoạt động của MCS nếu thời gian dự báo vượt quá một tuần.
Nguyên nhân là do sự hình thành của các hệ thống này chịu tác động đồng thời của nhiều quá trình khí quyển ở các quy mô khác nhau. Trong khi điều kiện khí hậu quy mô lớn có thể diễn biến trong nhiều tuần, các cơn bão lại được quyết định bởi những quá trình vật lý diễn ra ở quy mô nhỏ hơn rất nhiều, khiến các mô hình hiện tại khó mô phỏng đầy đủ.
Kết hợp học sâu với các mô hình vật lý
DL4MCS sẽ tập trung vào khoảng thời gian dự báo từ 7 ngày đến 6 tuần, còn được gọi là dự báo cận mùa (sub-seasonal forecasting).
Thay vì thay thế các mô hình khí tượng truyền thống, nhóm nghiên cứu muốn kiểm tra xem liệu Deep Learning (học sâu) có thể học được các quy luật tiềm ẩn từ dữ liệu dự báo hiện có để xác định chính xác hơn thời điểm và khu vực các hệ thống bão có khả năng hình thành hay không.
Dự án sẽ đồng thời phân tích các điều kiện khí quyển ở nhiều cấp độ, từ những hình thái khí hậu quy mô lớn cho tới các quá trình vi mô bên trong mây – yếu tố quyết định cách các cơn bão phát triển.
Theo Hansi Singh, nhà sáng lập kiêm CEO của Planette AI, việc kết hợp AI với các mô hình vật lý đã được kiểm chứng có thể giúp các thông tin cảnh báo sớm trở nên hữu ích hơn đối với các ngành kinh tế và cộng đồng phụ thuộc vào dự báo thời tiết chính xác.
Trong dự án, PNNL sẽ phụ trách các mô hình hệ thống Trái Đất và đánh giá các quá trình khí quyển, còn Đại học Wyoming sẽ đảm nhiệm việc xây dựng mô hình khu vực và nâng cao độ phân giải của các bản dự báo.
Mô hình khu vực giúp tăng độ chính xác
Các mô hình dự báo thời tiết quy mô toàn cầu hiện nay thường có độ phân giải khá thấp, chưa đủ để mô tả chi tiết các hiện tượng thời tiết địa phương.
Vì vậy, nhóm nghiên cứu sẽ sử dụng kỹ thuật downscaling nhằm chuyển đổi dữ liệu từ các mô hình quy mô lớn thành những bản dự báo có độ phân giải cao hơn và sát với từng khu vực cụ thể.
Nhà khoa học khí quyển Susannah Burrows thuộc PNNL cho biết để cải thiện dự báo cần phải kết nối được các yếu tố khí hậu quy mô lớn với những quá trình vật lý cực nhỏ bên trong mây – nơi quyết định diễn biến thực tế của cơn bão.
Theo bà, dự án quy tụ chuyên môn về mô hình hệ thống Trái Đất, trí tuệ nhân tạo và đánh giá mô hình khí tượng để mở ra hướng tiếp cận mới cho lĩnh vực dự báo cận mùa.
Trong khi đó, Stefan Rahimi, giáo sư tại Đại học Wyoming, cho rằng việc chuyển đổi các bản dự báo quy mô lớn thành những thông tin chi tiết, có giá trị cho việc ra quyết định là yếu tố then chốt để nâng cao khả năng ứng phó với thiên tai.
Cảnh báo sớm có thể giúp nhiều lĩnh vực giảm thiệt hại
Nếu công nghệ chứng minh được hiệu quả, các cảnh báo sớm về nguy cơ xuất hiện những hệ thống bão lớn sẽ giúp các công ty điện lực có thêm thời gian chuẩn bị trước nguy cơ mất điện trên diện rộng.
Thông tin này cũng có thể hỗ trợ các doanh nghiệp bảo hiểm đánh giá rủi ro, đồng thời giúp chính quyền địa phương và người dân chủ động hơn trong việc lập kế hoạch ứng phó với mưa lớn, lũ lụt và các hiện tượng thời tiết cực đoan.
DL4MCS là một phần trong chiến lược rộng hơn của Bộ Năng lượng Mỹ nhằm ứng dụng siêu máy tính, AI và học máy để giải quyết những bài toán khoa học vốn rất khó xử lý bằng các phương pháp truyền thống.
Thông qua chương trình Genesis Mission, các nhà nghiên cứu từ cơ quan chính phủ, trường đại học và doanh nghiệp đang hợp tác phát triển nhiều công nghệ mới phục vụ lĩnh vực năng lượng, khoa học và an ninh quốc gia. Với DL4MCS, mục tiêu trước mắt là xác định liệu AI kết hợp cùng các mô hình vật lý có thể giúp con người dự báo sớm hơn các hệ thống bão quy mô lớn hay không.
Theo IE, DOE
