Cải thiện dự báo dòng chảy sông Hồng vào mùa cạn

Vào mùa cạn, từ tháng 10 đến tháng Sáu năm sau, hơn 50% tổng lượng dòng chảy trên lưu vực sông Hồng thuộc lãnh thổ Trung Quốc. Do đó, theo các nhà nghiên cứu, mọi tính toán, đánh giá về dòng chảy sông Hồng, cũng như các biện pháp khắc phục tình trạng thiếu hụt nước trong mùa cạn của chúng ta lâu nay vẫn chỉ là phiến diện vì không xem xét phần thượng nguồn.

Các nhà nghiên cứu ở Trường ĐH Khoa học Tự nhiên (ĐH Quốc gia Hà Nội) đã tìm cách khắc phục vấn đề này thông qua đề tài “Nghiên cứu xây dựng phương pháp, công nghệ dự báo dòng chảy mùa cạn, thời hạn 10 ngày, tháng, mùa đến biên giới Việt - Trung” (2023-2025), thuộc khuôn khổ “Chương trình phát triển khoa học cơ bản trong lĩnh vực Hoá học, Khoa học sự sống, Khoa học trái đất và Khoa học biển giai đoạn 2017- 2025” (Chương trình 562) do Bộ KH&CN chủ trì.

Đề tài hướng đến ba mục tiêu chính: (1) Xây dựng bộ dữ liệu về điều kiện địa lý tự nhiên, hệ thống các hồ chứa chính (đặc tính, quy trình vận hành…) phần thượng lưu vực sông Hồng thuộc tỉnh Vân Nam, Trung Quốc; (2) Đánh giá sự thay đổi chế độ thủy văn phần thượng lưu vực sông Hồng dưới tác động của biến đổi khí hậu và hệ thống các hồ chứa chính thuộc Trung Quốc; (3) Xây dựng phương pháp, công nghệ dự báo dòng chảy mùa cạn thời hạn trung bình 10 ngày, tháng, mùa đến biên giới Việt Trung; áp dụng thí điểm cho một tiểu lưu vực cụ thể (thuộc lưu vực sông Hồng).

Sau khoảng hai năm triển khai, nhóm nghiên cứu đã thu được nhiều kết quả giá trị về mặt khoa học và hứa hẹn tiềm năng ứng dụng thực tế. Thông qua việc thu thập dữ liệu quan trắc, dữ liệu vệ tinh, dữ liệu tái phân tích, dữ liệu mô hình mô phỏng..., nhóm đã xây dựng được bộ dữ liệu cho phần thượng lưu vực sông Hồng, phục vụ công tác dự báo và đánh giá sự biến đổi dòng chảy. Sau đó, nhóm đóng gói toàn bộ dữ liệu này, sử dụng phần mềm hỗ trợ quản lý, khai thác dữ liệu trên nền Web-GIS nhằm tạo thuận lợi cho quá trình sử dụng.

Để tăng cường hiệu quả dự báo dòng chảy, nhóm đã tìm cách kết hợp nhiều mô hình khác nhau tùy theo nguồn dữ liệu. Trong trường hợp nguồn dữ liệu hạn chế (chỉ có số liệu của Việt Nam), nhóm sẽ sử dụng các mô hình thống kê truyền thống và mô hình máy học để giảm bớt khoảng bất định trong kết quả dự báo.

Tại hội thảo báo cáo kết quả đề tài diễn ra tại Sơn La vào ngày 16/4, nhóm cho biết mô hình dự báo dòng chảy mùa cạn đang được hoàn thiện, với các bước hiệu chỉnh và kiểm định cuối cùng trước khi đưa vào thử nghiệm thực tế.

“Việc ứng dụng phương pháp học máy dự báo dòng chảy đã đạt kết quả bước đầu đáng khích lệ: độ chính xác cao hơn so với các phương pháp truyền thống, đặc biệt là trong điều kiện dữ liệu thiếu hụt, tăng cường khả năng dự báo trong điều kiện biến đổi khí hậu”, PGS.TS Nguyễn Tiền Giang (Khoa Khí tượng thủy văn và Hải dương học, Trường Đại học Khoa học Tự nhiên), Chủ nhiệm đề tài, cho biết.