Ngày 12/12, Viện Khoa học Khí tượng Thủy văn và Biến đổi khí hậu (KTTVBĐKH) đã tổ chức họp Hội đồng tư vấn đánh giá, nghiệm thu kết quả thực hiện nhiệm vụ khoa học và công nghệ cấp Bộ năm 2025: “Nghiên cứu phát triển mô hình thủy văn mã nguồn mở SAC-SMA kết hợp mô hình trí tuệ nhân tạo trong dự báo lũ thời gian thực, áp dụng thí điểm cho lưu vực sông Nậm Mu”, mã số: TNMT.ĐL.2023.06.
TS. Nguyễn Quốc Khánh chủ trì buổi đánh giá
Hội đồng tư vấn đánh giá, nghiệm thu diễn ra dưới sự chủ trì của TS. Nguyễn Quốc Khánh (Phó Viện trưởng-Chủ tịch Hội đồng) và các thành viên hội đồng gồm: PGS.TS. Nguyễn Văn Thắng (Tổng Biên tập Tạp chí Khoa học Biến đổi khí hậu – Phó chủ tịch Hội đồng); TS. Hoàng Văn Đại (Trung tâm Dự báo Khí tượng Thủy văn quốc gia – Ủy viên Hội đồng, Phản biện 1); TS. Đặng Quang Thịnh (Viện KTTVBĐKH – Ủy viên Hội đồng, Phản biện 2); TS. Trương Vân Anh (Trường Đại học Tài nguyên và Môi trường Hà Nội – Ủy viên); TS. Nguyễn Thanh Bằng (Viện KTTVBĐKH – Ủy viên); TS. Võ Văn Hòa (Đài Khí tượng Thủy văn Bắc Bộ – Ủy viên).
Tại buổi đánh giá, Th.S. Lương Tuấn Trung đã trình bày tổng quan về các nội dung của nhiệm vụ. Theo đó, mục tiêu của đề tài là phát triển được mô hình thủy văn SAC-SMA kết hợp mô hình trí tuệ nhân tạo trong dự báo lũ và độ ẩm đất thời gian thực; Xây dựng hệ thống tự động kết nối thông tin, giám sát, dự báo lũ và độ ẩm đất trên lưu vực sông Nậm Mu; Áp dụng dự báo thử nghiệm trong năm 2025.
Th.S. Lương Tuấn Trung trình bày các nội dung nghiên cứu của đề tài
Từ các mục tiêu ban đầu, nhóm thực hiện đã triển khai các hoạt động nghiên cứu với phạm vi là lưu vực sông Nậm Mu. Con sông này là phụ lưu cấp 1 của Sông Đà, bắt nguồn từ đỉnh núi cao của dãy Hoàng Liên Sơn, sông có chiều dài 181 km và có diện tích lưu vực khoảng 3.433 km2, chảy qua các tỉnh Lai Châu và Sơn La. Dòng chảy sông Nậm Mu sẽ đổ trực tiếp vào thượng lưu của hồ Sơn La trên dòng sông Đà. Trên lưu vực sông Nậm Mu đã có các thủy điện phục vụ đa mục tiêu cấp nước, thủy điện và phòng lũ như: Thuỷ Điện Huội Quảng, Thủy điện Bản Chát và Hồ Bản Chát vận hành năm 2013, Hồ Huội Quảng vận hành 2015.
Sau 02 năm thực hiện, đề tài đã hoàn thành được 03 mục tiêu đề ra. Các kết quả đạt được cụ thể như sau: Thiết lập thành công bộ công cụ mô hình thủy văn mã nguồn mở SAC-SMA kết hợp mô hình trí tuệ nhân tạo, vận hành hồ áp dụng cho lưu vực sông Nậm Mu. Bộ mô hình được phát triển trên ngôn ngữ lập trình Python với các cải tiến: Mở rộng tích hợp mô hình thủy văn với các chức năng bổ sung gồm phân tích độ nhạy tham số, hiệu chỉnh tối ưu tham số; Tích hợp mô hình học máy XGBOOST hậu hiệu chỉnh đầu ra của SAC-SMA; Kết nối tính toán vận hành hồ chứa; Đóng gói với giao diện sử dụng thân thiện với người dùng.
Thành viên hội đồng cho ý kiến nhận xét
Xây dựng hệ thống kết nối thông tin thời gian thực cho phép giám sát tình hình mưa, mực nước trên sông và các hồ chứa trên lưu vực nghiên cứu. Hệ thống cũng được kết nối với mô hình SAC-SMA kết hợp trí tuệ nhân tạo tại máy chủ để tính toán, dự báo dòng chảy đến hồ và độ ẩm dựa trên dữ liệu mưa thực đo và mưa dự báo số trị. Hệ thống được xây dựng hoàn toàn trên các phần mềm mã nguồn mở như PostGreSQL, Python Flask, Geoserver, Apache cung cấp tốt khả năng triển khai và mở rộng.
Xây dựng quy trình cảnh báo lũ trên lưu vực sông Nậm Mu và tiến hành thực hiện dự báo thử nghiệm với một số trận lũ năm 2025. Kết quả cho thấy hệ thống mô hình tích hợp SAC-SMA – mô đun vận hành hồ đã tái hiện tương đối chính xác đặc trưng vận hành thực tế của hai hồ chứa lớn trên lưu vực. Khi so sánh với mô hình nghiệp vụ MIKE-NAM đang được sử dụng tại Viện Khoa học Khí tượng, Thủy văn và Biến đổi khí hậu, kết quả so sánh cho thấy mô hìnhSAC-SMA đã có sự cải thiện trong kết quả dự báo đặc biệt là dự báo tổng lượng dòng chảy lũ.
Mặc dù ứng dụng mô hình tích hợp SAC-SMA và trí tuệ nhân tạo, vận hành hồ cho tín hiệu khả quan trong việc dự báo, cảnh báo lũ ở lưu vực sông Nậm Mu, để có thể ứng dụng hệ thống mô hình vào nghiệp vụ dự báo, cảnh báo lũ, cần thiết phải tiến hành các bước hiệu chỉnh như xử lý chi tiết hơn các tham số liên quan đến tầng đất không bão hòa và cơ chế thấm nhằm cải thiện mô phỏng đỉnh lũ.
Các thành viên hội đồng đánh giá
Việc nâng cao độ chính xác của dự báo mưa lớn nhằm tăng độ chính xác của đầu vào cho quá trình dự báo dòng chảy cũng cần được chú trọng. Vì vậy, đề tài kiến nghị cần nghiên cứu bổ sung thêm các trận lũ vào tập dữ liệu phục vụ các mô hình học máy tăng khả năng học được các đặc trưng thủy văn trong nhiều điều kiện khác nhau. Bên cạnh đó, dưới tác động của biến đổi khí hậu và các hoạt động nhân tạo, sự biến động của các điều kiện tự nhiên trên lưu vực cũng cần được cập nhật nhằm cải thiện bộ dữ liệu nền cho mô hình. Việc nghiên cứu chuyên sâu hơn về khả năng mô phỏng độ ẩm đất của mô hình trong điều kiện thu thập được các dữ liệu đo độ ẩm hiện trường cũng được khuyến nghị.
Sau phần trình bày của chủ nhiệm đề tài, các thành viên hội đồng đánh giá đã lần lượt đưa ra ý kiến đánh giá.
Phát biểu tổng kết buổi họp, TS. Nguyễn Quốc Khánh đánh giá cao các kết quả mà đề tài đã làm được. Tuy nhiên, nhóm thực hiện cũng cần nghiêm túc chỉnh sửa theo các góp ý của các thành viên hội đồng và hoàn thành kịp tiến độ cho buổi đánh giá ở cấp Bộ.