Phát triển bộ công cụ phục vụ quản lý tài nguyên nước ở lưu vực sông Mekong

Được giới thiệu tại hội thảo “Phương pháp luận dự báo dòng chảy (lũ/kiệt) trong điều kiện thiếu/không có số liệu quan trắc ứng dụng cho lưu vực sông Mekong” vào ngày 2/4/2021, hệ thống dự báo khí tượng thủy văn do các nhà khoa học Việt Nam đang phát triển được hi vọng trở thành một công cụ hỗ trợ đắc lực trong quản lý tài nguyên nước ở lưu vực sông Mekong.

Ảnh: Con đập Xayaburi được xây dựng trên đoạn sông Mekong chảy qua lãnh thổ Lào. Nguồn: bangkokpost. 

Được giới thiệu tại hội thảo “Phương pháp luận dự báo dòng chảy (lũ/kiệt) trong điều kiện thiếu/không có số liệu quan trắc ứng dụng cho lưu vực sông Mekong” vào ngày 2/4/2021, hệ thống dự báo khí tượng thủy văn do các nhà khoa học Việt Nam đang phát triển được hi vọng trở thành một công cụ hỗ trợ đắc lực trong quản lý tài nguyên nước ở lưu vực sông Mekong.

Là một trong những con sông lớn nhất thế giới, sông Mekong có ý nghĩa đặc biệt quan trọng với hệ sinh thái và sinh kế của người dân trên toàn khu vực. Tuy nhiên, việc quản lý tài nguyên nước ở lưu vực sông Mekong đang gặp thách thức bởi “các công cụ quản lý tài nguyên nước phụ thuộc rất nhiều vào yếu tố dữ liệu đầu vào, nhưng các con sông lớn liên quốc gia như sông Mekong thường gặp phải các vấn đề về chia sẻ dữ liệu giữa các quốc gia”, PGS.TS. Trần Ngọc Anh ở Trung tâm Động lực học thủy khí môi trường, trường ĐH Khoa học tự nhiên (ĐHQGHN) nhận xét.

Mặc dù nhiều nghiên cứu gần đây đã tìm cách khắc phục vấn đề song hầu hết đều theo hướng “sử dụng số liệu vệ tinh hoặc tăng cường khả năng dự báo khí tượng thủy văn”, PGS.TS. Trần Ngọc Anh nhận xét. Do đó, “sẽ gặp phải hạn chế về độ chính xác của mô hình dự báo cũng như cập nhật dữ liệu về các can thiệp của công trình do con người tạo ra trên lưu vực này như các đập, hồ chứa,…”.

Do vậy, trong khuôn khổ đề tài nghị định thư “Xây dựng cơ sở phương pháp luận và công nghệ quản lý tài nguyên nước các lưu vực sông trong điều kiện thiếu/không có số liệu quan trắc về khí tượng thủy văn ứng dụng cho lưu vực sông Mekong – NĐT.58.RU/19” (2019-2022), họ đã đề xuất hệ thống dự báo khí tượng thủy văn trong điều kiện thiếu số liệu dựa trên việc kết hợp nhiều hướng tiếp cận khác nhau. Có ba cách tiếp cận: 1. Sử dụng các công cụ truyền thống là các mô hình thủy văn đi kèm với việc đồng hóa dữ liệu đầu vào; 2. Xây dựng mô hình lõi cho khu vực chính của sông Mekong và còn với các các nhánh sông có hồ chứa sẽ sử dụng các công cụ riêng dự báo dòng chảy; 3. Ứng dụng công nghệ AI để tính toán đầu ra là dòng chảy.

Là một đơn vị đã có nhiều kinh nghiệm trong phát triển các mô hình dự báo, kết hợp với các đối tác lớn như Cục Viễn thám quốc gia, Đài Khí tượng thủy văn khu vực Nam Bộ (Bộ TN&MT), đặc biệt là nhóm nghiên cứu đến từ trường ĐH Quốc gia khí tượng thủy văn Liên bang Nga do GS. Vadim Kuzmin đứng đầu – “một trong những nhóm nghiên cứu có nhiều kinh nghiệm trong phát triển công vụ quan trắc khí tượng thủy văn trong điều kiện thiếu số liệu”, theo PGS.TS. Trần Ngọc Anh, nhóm dự án không gặp quá nhiều khó khăn trong việc xây dựng hệ thống cơ sở dữ liệu và phát triển các công cụ dự báo. “Chúng tôi đã xây dựng được bộ cơ sở dữ liệu cập nhật và kết nối tự động internet lưu vực sông Mekong. Sau khi kết thúc đề tài, bộ dữ liệu sẽ được chia sẻ cho các nhà khoa học và các đơn vị quản lý để ứng dụng trong nghiên cứu và công tác quản lý tài nguyên nước”, anh cho biết.

Do đặc điểm lưu vực sông Mekong lớn, trải dài trên nhiều vùng khí hậu, các quá trình mưa – dòng chảy có sự khác biệt từ vùng ôn đới đến vùng nhiệt đới ở hạ lưu sông, nhóm nghiên cứu đã quyết định xây dựng bộ mô hình SWAT (Soil and Water Assessment Tool) – có đặc tính phù hợp với những lưu vực sông lớn, cho toàn bộ lưu vực sông Mekong. Họ cũng sử dụng bộ công cụ SWAT-CUP (Calibration and Uncertainty Program) để hiệu chỉnh, kiểm định và phân tích độ nhạy thông số của các mô hình đã xây dựng. Kết quả hiệu chỉnh cho thấy “bộ mô hình đã thiết lập có đủ độ tin cậy trong tính toán dòng chảy trên lưu vực sông Mekong”, ThS. Đặng Đình Khá (CEFD), một thành viên thuộc nhóm dự án báo cáo kết quả trong hội thảo. 

Về hướng tiếp cận theo công nghệ AI, nhóm nghiên cứu đã ứng dụng mô hình LSTM (long short-term memory networks – mô hình bộ nhớ ngắn dài) – một dạng đặc biệt của mạng neuron hồi quy có khả năng ghi nhớ thông tin quá khứ và trong khi dự đoán các giá trị tương lai. Kết quả thử nghiệm cho thấy mô hình LSTM có thể áp dụng tốt cho các hồ chứa điều tiết năm và điều tiết ngày.