Kết nối nghiên cứu khoa học về dự báo thủy văn

Ngày 23/3, tại Hà Nội, Cục Khí tượng Thủy văn (Bộ Nông nghiệp và Môi trường) phối hợp cùng Trường Đại học Khoa học Tự nhiên (Đại học Quốc gia Hà Nội) đã tổ chức hội thảo khoa học "Giải pháp, công nghệ mới về dự báo thủy văn, nguồn nước và khả năng ứng dụng trong nghiệp vụ". Sự kiện hưởng ứng Ngày Nước thế giới (22/3) và Ngày Khí tượng thế giới (23/3).

Theo Cục trưởng Cục Khí tượng Thủy văn Nguyễn Thượng Hiền, bài toán thủy văn và nguồn nước ngày nay không của riêng một lĩnh vực kỹ thuật nào, mà đã trở thành vấn đề mang tính chiến lược, gắn chặt với an ninh nguồn nước, an toàn thiên tai và phát triển bền vững của đất nước. Trong bối cảnh đó, yêu cầu đặt ra đối với công tác dự báo thủy văn là ngày càng cao hơn.

"Chúng ta không chỉ cần dự báo chính xác hơn, mà còn phải dự báo sớm hơn, chi tiết hơn và đặc biệt là phải phục vụ trực tiếp cho công tác chỉ đạo, điều hành trong thực tiễn. Đây là một thách thức rất lớn, đòi hỏi ngành khí tượng thủy văn phải đổi mới mạnh mẽ, cả về tư duy và công nghệ", Cục trưởng Nguyễn Thượng Hiền nhấn mạnh.

Khoa học công nghệ đã có nhiều tiến bộ trong lĩnh vực này như mô hình số trị thủy văn - thủy lực, công nghệ viễn thám, dữ liệu vệ tinh, hệ thống cảm biến IoT cho đến trí tuệ nhân tạo (AI)... Nhờ đó, các quá trình thủy văn được theo dõi, giám sát và phân tích với độ chi tiết và độ trễ ngày càng thấp, tiến tới dự báo theo thời gian thực. Tuy nhiên, ông Hiền cũng thẳng thắn nhìn nhận, vẫn còn khoảng cách giữa nghiên cứu và ứng dụng trong nghiệp vụ. Nhiều kết quả nghiên cứu có giá trị, nhưng chưa được chuyển hóa thành công cụ vận hành. Ngược lại, trong thực tiễn nghiệp vụ dự báo thủy văn vẫn còn những bài toán cần lời giải từ khoa học.

Chỉ ra những thách thức, TS. Hoàng Văn Đại, Phó Giám đốc Trung tâm Dự báo khí tượng thủy văn quốc gia cho biết, đơn vị đang vận hành nhiều mô hình tiên tiến như NAM, Mike11, MARINE (Pháp) hay IFAS (Nhật Bản). Tuy nhiên, rào cản lớn nhất hiện nay là sự phụ thuộc vào chất lượng dự báo mưa, thiếu dữ liệu vận hành hồ chứa thời gian thực và công nghệ dự báo chi tiết ngập lụt còn hạn chế.

Đặc biệt, vấn đề dòng chảy xuyên biên giới là một "nút thắt" lớn. Bà Nguyễn Ý Như, Trường Đại học Khoa học Tự nhiên chỉ ra, lưu vực sông Hồng phụ thuộc tới hơn 40% lượng nước từ phía Trung Quốc. Việc thiếu cơ chế chia sẻ dữ liệu hồ chứa phía thượng nguồn khiến sai số dự báo rất lớn.

Dữ liệu thực nghiệm cho thấy, nếu chỉ dùng dữ liệu quan trắc trong nước, mô hình học máy chỉ đạt hiệu quả dự báo dưới 7 ngày. Khoảng thời gian này quá ngắn để các địa phương có thể chủ động ứng phó với lũ lớn hoặc hạn hán kéo dài.

Nhằm giải bài toán khuyết thiếu dữ liệu, các chuyên gia đã đề xuất những giải pháp đột phá về công nghệ. Nhóm nghiên cứu của bà Nguyễn Ý Như đã giới thiệu mô hình lai ghép giữa vật lý (mô hình VIC) và AI (các thuật toán LSTM, GRU). Bằng cách để AI "học" các quy luật vật lý của dòng chảy cơ sở, hệ thống có thể bù đắp các khoảng trống thông tin thượng nguồn. Kết quả thử nghiệm tại trạm Pắc Ma, tỉnh Lai Châu cho thấy tầm dự báo chính xác có thể kéo dài lên tới 100 ngày, một bước tiến vượt bậc so với các phương thức truyền thống.

PGS.TS Trịnh Quang Toàn (Viện Khoa học Thủy lợi Việt Nam) dẫn chứng về các trận bão kỷ lục năm 2025 như Kajiki hay Bualoi để nhấn mạnh, dự báo không thể dừng lại ở con số chung chung. Ông đề xuất chuyển sang "dự báo hướng đối tượng", tích hợp dữ liệu đa nguồn (radar, vệ tinh) vào mô hình WEHY và AI để cập nhật kịch bản dự báo cực ngắn từ 0-6 giờ. Đây chính là chìa khóa để ra quyết định xả đón lũ tại các hồ chứa lớn như Bản Vẽ hay Sơn La.

PGS.TS Ngô Lê An (Đại học Thủy lợi) cũng chia sẻ giải pháp dùng AI dự báo trực tiếp dòng chảy hạn mùa từ số liệu mưa gốc chưa hiệu chỉnh. Ông đề xuất cần kết nối đưa dữ liệu của các công trình thủy lợi vào mô hình dự báo để nâng cao độ tin cậy cho các kế hoạch sản xuất nông nghiệp.

GS.TS Trần Thục, Chủ tịch Hội Khí tượng Thủy văn Việt Nam ghi nhận những bước tiến về công nghệ nhưng cũng cảnh báo về sự phân mảnh trong nghiên cứu. Ông cho rằng các giải pháp hiện nay vẫn còn rải rác, chưa quy về một mối để tạo thành sức mạnh tổng thể.

Ngành KTTV cần thực hiện một cuộc chuyển dịch tư duy từ dự báo hiện tượng sang dự báo dựa trên tác động. Thay vì chỉ nhận định mưa 200mm, chúng ta phải nói rõ lượng mưa đó sẽ gây ngập ở đâu, sâu bao nhiêu và ảnh hưởng thế nào đến người dân. Muốn hiện thực hóa điều này, cần có sự phối hợp chặt chẽ giữa cơ quan KTTV và các cơ quan liên quan để xây dựng hệ thống cơ sở dữ liệu đủ lớn. Bên cạnh đó, cơ quan KTTV cần trở thành đầu mối gắn kết các lời giải cho những bài toán đang phân mảnh trở thành một bài toán khoa học công nghệ lớn. Mục tiêu nhằm giảm thiểu sai số và nâng cao độ tin cậy của công tác cảnh báo, dự báo trong thời gian tới.

Các chuyên gia thống nhất cao về việc ưu tiên đầu tư làm chủ công nghệ mã nguồn mở và tích hợp sâu AI vào nghiệp vụ dự báo thủy văn. Từ đó, xây dựng một hệ thống cảnh báo sớm thông minh, chuyển hóa những con số kỹ thuật khô khan thành thông tin dễ hiểu tới cộng đồng, giúp giảm thiểu tổn thất và thiệt hại trong bối cảnh thiên tai diễn biến khó lường.