Hiện nay cơ sở dữ liệu ngành tài nguyên môi trường (TNMT) đang ngày càng hoàn thiện và đầy đủ, số liệu được thu thập hàng ngày, theo thời gian thông qua các phương pháp đo tự động như từ các trạm quan trắc, ảnh vệ tinh... tạo điều kiện thuận lợi trong công tác phân tích, khai thác và dự báo số liệu một cách tự động. Hơn nữa, Cục Công nghệ thông tin và dữ liệu TNMT có điều kiện thuận lợi do được giao quản lý CSDL ngành TNMT và tham gia vào việc xây dựng chức năng nhiệm vụ của Trung tâm quan trắc dữ liệu ĐBSCL cũng như xây dựng các giải pháp phòng chống xâm nhập mặn, biến đổi khí hậu và thiên tai.

Theo định hướng ngành tài nguyên và môi trường, phần lớn nguồn thông tin, dữ liệu về tài nguyên và môi trường được thu thập thông qua hoạt động điều tra cơ bản, trong đó có hệ thống các mạng lưới quan trắc tài nguyên và môi trường. Ngày 12 tháng 01 năm 2016, Chính phủ ban hành Quyết định số 90/QĐTTg của Thủ tướng Chính phủ về việc phê duyệt quy hoạch mạng lưới quan trắc tài nguyên và môi trường quốc gia giai đoạn 2016-2020, tầm nhìn đến năm 2030.

Phân tích và dự báo là các bài toán cực kỳ quan trọng của ngành TNMT. Đó là nhu cầu thiết thực, không thể thiếu cho những hoạt động của con người, cung cấp những cơ sở hỗ trợ nhà quản lý ra quyết định tốt nhất. Ứng dụng kỹ thuật học máy đối với dữ liệu có yếu tố không gian và thời gian nói chung tại Việt nam hiện nay chậm trễ so với thế giới. Việc sử dụng các công nghệ tiên tiến này giúp nâng cao năng lực áp dụng khoa học công nghệ thông minh, tự động và tiên tiến trong công tác quản lý và giám sát số liệu ngành Tài nguyên và Môi trường.

Hiện tượng El-nino ngày càng tác động mạnh đến thời tiết của Việt Nam, năm 2015 thuộc năm khô hạn kỷ lục trên lưu vực Mê Công, nên xâm nhập mặn mùa khô năm 2015-2016 trên ĐBSCL là rất nghiêm trọng (đến sớm, xâm nhập sâu trên diện rộng và kéo dài). Thêm vào đó, dòng chảy thượng lưu sông Mê Công về đồng bằng đang diễn biến rất phức tạp do có sự chi phối của các hồ chứa thượng lưu. Xâm nhập mặn không chỉ ảnh hưởng tại ĐBSCL, các vùng ven biển khác tuy ảnh hưởng ít hơn nhưng cũng ảnh hưởng không nhỏ đến sản xuất sinh hoạt.

Trong 4 khu vực nêu trên, các tỉnh nằm ven sông Tiền, sông Hậu chịu tác động mạnh nhất của xâm nhập mặn, nhất là 2 tỉnh Trà Vinh, Bến Tre sau đó đến Sóc Trăng, Tiền Giang; riêng năm 2016 bốn tỉnh nằm ven sông Hậu bị ảnh hưởng nặng nề của xâm nhập mặn là Trà Vinh, Sóc Trăng, Hậu Giang và Vĩnh Long. Xâm nhập mặn vào sông Hậu phụ thuộc rất lớn vào lưu lượng nước từ thượng nguồn Mê Công chảy về trong mùa khô cũng như độ lớn của thủy triều..., vì vậy công tác dự báo mặn trên sông Hậu luôn được các địa phương quan tâm theo dõi và đây cũng là yêu cầu của các tỉnh đối với cơ quan dự báo.

Để có thông tin kịp thời, nhanh chóng và tự động về tình hình mặn xâm nhập, đồng thời để có được thông tin kiểm chứng dựa trên phương phương pháp mới thì việc nghiên cứu giải pháp ứng dụng các phương pháp học máy trong dự báo số liệu ngành TNMT nói chung, dự báo số liệu xâm nhập mặn nói riêng là rất cần thiết.

Xuất phát từ những yêu cầu cấp thiết trên, chủ nhiệm đề tài Nguyễn Đẩu Hoàng cùng nhóm nghiên cứu tại Trung tâm Công nghệ phần mềm và GIS thực hiện  “Nghiên cứu giải pháp dự báo số liệu ngành tài nguyên và 5 môi trường bằng phương pháp học máy, ứng dụng thử nghiệm dự báo xâm nhập mặn đối với các hệ thống sông” là cần thiết với mục tiêu: Xây dựng giải pháp dự báo đối với số liệu ngành TNMT bằng phương pháp học máy; Dự báo thử nghiệm xâm nhập mặn trên lưu vực sông Hậu; Ý nghĩa khoa học và thực tiễn của kết quả nghiên cứu: Đề tài nghiên cứu, đề xuất giải pháp dự báo số liệu ngành TNMT bằng phương pháp học máy và ứng dụng thử nghiệm trên số liệu về khí tượng thủy văn, hải văn và tài nguyên nước để phục vụ dự báo xâm nhập mặn cho một số hệ thống sông là hướng tiếp cận hoàn toàn mới, chưa được bất kỳ tổ chức, cá nhân nào xây dựng.

Các nội dung nghiên cứu, triển khai phù hợp với kế hoạch thực hiện được phê duyệt, đưa ra các kết quả nghiên cứu về học máy, đánh giá hiện trạng và xu thế số liệu ngành TNMT phù hợp với việc sử dụng các phương pháp học máy; tìm hiểu các phương pháp học máy để đề xuất mô hình dữ liệu cảnh báo, dự báo. Qua đó, xây dựng phần mềm ứng dụng thử nghiệm dự báo xâm nhập mặn và quy trình khai thác, sử dụng phần mềm. Sau quá trình thử nghiệm, đưa ra báo cáo kết quả dự báo xâm nhập mặn cho lưu vực sông Hậu.

Phần mềm hỗ trợ công tác cảnh báo, dự báo số liệu nhiễm mặn là phần mềm được xây dựng từ việc ứng dụng các phương pháp học máy nhằm dự báo xâm nhập mặn đối với các hệ thống sông. Trong đó bao gồm:

- 6 nhóm chức năng chính: Chuyển đổi, xử lý, biên tập dữ liệu; Thiết lập, huấn luyện mô hình học máy; Kiểm thử mô hình học máy; Cảnh báo, dự báo số liệu; Khai thác số liệu và Quản trị hệ thống.

- Các dịch vụ nền tảng: Dịch vụ bản đồ; Dịch vụ cảnh báo, dự báo số liệu; Dịch vụ xác thực. Các dịch vụ này được kết nối, trao đổi thông qua Nền tảng chia sẻ, tích hợp của Bộ (LGSP).

- Dữ liệu: Dữ liệu bao gồm toàn bộ dữ liệu CSDL thu thập từ các trạm đo và CSDL đã xử lý phục vụ học máy.

Trong phạm vi của đề tài, sau khi xây dựng xong phần mềm sẽ được áp dụng triển khai thử nghiệm tại Đài Khí tượng Thủy văn khu vực Nam Bộ - Tổng cục Khí tượng Thủy văn và Trung tâm Thông tin kinh tế Tài nguyên nước - Cục Quản lý tài nguyên nước. Kết quả triển khai thử nghiệm được phân tích, đánh giá hiệu chỉnh để nhằm dự báo kết quả được chính xác nhất.

Qua quá trình vận hành thử nghiệm mô hình học máy có giám sát tại Đài KTTV khu vực Nam Bộ và Cục quản lý tài nguyên nước, nhóm thực hiện đề tài đã rút ra một số đánh giá về ưu điểm cũng như các nhược điểm cần khắc phục, và kinh nghiệm vận hành hệ thống nghiệp vụ.

Các nội dung nghiên cứu liên tục được cập nhật, bổ sung để phù hợp với sự phát triển của khoa học và công nghệ, tình hình thực tế về xây dựng cơ sở dữ 25 liệu, ứng dụng công nghệ thông tin trong ngành tài nguyên và môi trường. Việc đưa ra kết quả nghiên cứu thông qua các báo cáo nội dung, phần mềm, quy trình thử nghiệm liên quan đến của đề tài đã cụ thể hóa chính sách thúc đẩy ứng dụng trí tuệ nhân tạo trong ngành (Quyết định số 964/QĐ-BTNMT ngày 17 tháng 4 năm 2019; Quyết định 3196/QĐ-BTNMT ngày 16 tháng 12 năm 2019; Quyết định số 417/QĐ-BTNMT ngày 10 tháng 3 năm 2021) nói chung và là cơ sở khoa học tiền đề để triển khai, ứng dụng trí tuệ nhân tạo phục vụ cho công tác dự báo, cảnh báo xâm nhập mặn đối với các hệ thống sông nói riêng.

Có thể tìm đọc toàn văn báo cáo kết quả nghiên cứu (mã số 20706/2022) tại Cục Thông tin khoa học và công nghệ quốc gia.

Nguồn: NASATI