Tác giả

Vũ Đức Long 1* , Nguyễn Thị Thu Loan 1 , Trần Quang Năng 1 , Phạm Hoàng Hùng 1

Đơn vị công tác

1 Vụ Quản lý dự báo khí tượng thủy văn, Tổng cục Khí tượng Thủy văn; longkttv@gmail.com; loanthunguyen268@gmail.com; trannang030984@gmail.com; phhung@gmail.com

*Tác giả liên hệ: longkttv@gmail.com; Tel: +84–914081981

Tóm tắt

Trong bối cảnh chuyển đổi số và công nghệ 4.0 đang diễn ra mạnh mẽ ở tất cả các ngành, nghề, lĩnh vực tại các nước trên thế giới, trong đó có Việt Nam, việc thực hiện chuyển đổi số trong hoạt động dự báo, cảnh báo khí tượng thủy văn (KTTV) là một xu hướng tất yếu. Điều này đòi hỏi công tác quản lý về hoạt động dự báo, cảnh báo KTTV cũng cần phải có những điều chỉnh, thay đổi căn bản để có thể làm tốt vai trò của mình. Đó là điều chỉnh, thay đổi từ tư duy quản lý đến phương thức điều hành, tổ chức thực hiện hoạt động dự báo, cảnh báo KTTV một cách thống nhất, đồng bộ, hiệu quả. Khi đó, công tác quản lý hoạt động dự báo, cảnh báo KTTV sẽ trở lên dễ dàng hơn, hiệu quả và tiết kiệm chi phí hơn. Phương pháp phân tích, tổng hợp, thống kê được sử dụng trong bài báo này để đánh giá và đề xuất được các giải pháp cụ thể trong quản lý hoạt động dự báo, cảnh báo KTTV khi thực hiện ứng dụng công nghệ thông tin và chuyển đổi số. Những kết quả nghiên cứu này là một trong những cơ sở để đề xuất sửa đổi, bổ sung các quy trình, quy định pháp lý nhằm nâng cao hiệu quả quản lý, giám sát hoạt động dự báo, cảnh báo KTTV trên phạm vi cả nước trong bối cảnh chuyển đổi số và công nghệ 4.0. 

Từ khóa

Quản lý dự báo , cảnh báo KTTV; Chuyển đổi số; Công nghệ 4.0.

Trích dẫn bài báo

Long, V.Đ.; Loan, N.T.T.; Năng, T.Q.; Hùng, P.H. Quản lý hoạt động dự báo, cảnh báo khí tượng thủy văn trong bối cảnh chuyển đổi số và công nghệ 4.0: Thực trạng và giải pháp. Tạp chí Khí tượng Thủy văn 2023, 750(1), 16-28. 

Tài liệu tham khảo

1. Bộ Thông tin và Truyền thông, Cẩm nang Chuyển đổi số, 2021.

2. Shi, W.; Cao, J.; Zhang, Q.; Li, Y.; Xu, L. Edge Computing: Vision and Challenges. IEEE Internet Things J. 2016, 3(5), 637–646. doi:10.1109/JIOT.2016.2579198.

3. Pietrosemoli, E.; Rainone, M.; Zennaro, M. On Extending the Wireless Communications Range of Weather Stations Using LoRaWAN. In Proceedings of the Proceedings of the 5th EAI International Conference on Smart Objects and Technologies for Social Good; Association for Computing Machinery: New York, NY, USA, 2019, pp. 78–83.

4. Guide to Instruments and Methods of Observation, Volume III – Observing Systems. World Meteorological Organization: Geneva, 2018.

5. Sugumaran, R.; Burnett, J.; Armstrong, M.P. Using a cloud computing environment to process large 3D spa- tial datasets. In H. Karimi, ed., Big Data: Techniques and Technologies in Geoinformatics, CRC Press, Boca Raton, FL, 2014, pp. 53–65.

6. Zhangwei, W.; Hao, C.; Han, W. Research on improving detection capability of small and medium scales based on dual polarization weather radar. Proceeding of the 2019 international conference on meteorology observations (ICMO), 2019, pp. 1-7.

7. Ramamurthy, M. Geoscience cyberinfrastructure in the cloud: Data-proximate computing to address big data and open science challenges. Proceeding of the 2017 IEEE 13th international conference on e-science (e-science), 2017, pp. 444–445.

8. Chen, R.; Zhang, W.; Wang, X. Machine Learning in Tropical Cyclone Forecast Modeling: A Review. Atmosphere 2020, 11, 676. https://doi.org/10.3390/atmos11070676.

9. Trực tuyến: https://monre.gov.vn/Pages/ung-dung-khi-tue-nhan-tao-trong-hoat-dong-tac-nghiep-ve-khi-tuong-thuy-van.aspx (Truy cập: 29/3/2023)

10. Trực tuyến: https://baotainguyenmoitruong.vn/tien-toi-he-thong-du-bao-dinh-luong-so-phuc-vu-chuyen-doi-so-trong-linh-vuc-khi-tuong-thuy-van-348288.html (Truy cập: 23/12/2012)

11. Mạnh, N.V. và cs. Nghiên cứu cơ sở khoa học và giải pháp ứng dụng trí tuệ nhân tạo để nhận dạng, hỗ trợ dự báo và cảnh báo một số hiện tượng khí tượng thủy văn nguy hiểm trong bối cảnh biến đổi khí hậu tại Việt Nam, Đề tài NCKH cấp Nhà nước của Bộ Tài nguyên và Môi trường, Mã số: BĐKH.34/16-20, 2020.

12. Tiến, D.Đ. và cs. Nghiên cứu xây dựng hệ thống trí tuệ nhân tạo ứng dụng trong dự báo xoáy thuận nhiệt đới ở Biển Đông và ảnh hưởng đến Việt Nam hạn đến 3 ngày. Đề tài NCKH cấp Nhà nước của Bộ Tài nguyên và Môi trường, Mã số: KC-4.0/19-25, 2022.

13. Hà, B.M. và cs. Nghiên cứu đổi mới công nghệ dự báo sóng biển, nước dâng do bão thời hạn 24 giờ bằng kỹ thuật xử lý dữ liệu lớn và học máy, Đề tài NCKH cấp Bộ, Mã số: TNMT.2022.06.04.

14. Thành, N.H. và cs. Nghiên cứu ứng dụng công nghệ số mới để dự báo định lượng mưa hạn cực ngắn cho khu vực trung du, miền núi Việt Nam. Đề tài NCKH cấp Bộ, Mã số: TNMT.2022.06.06.

15. Nguyen, H.M.; Bae, D.H. An approach for improving the capability of a coupled meteorological and hydrological model for rainfall and flood forecasts. J. Hydrol. 2019, 577(2), 124014.

16. Xây dựng công cụ ước lượng mưa từ độ phản hồi radar bằng công nghệ AI. Tạp chí Khí tượng Thủy văn 2023, 747, 70-80.

17. Quyền, L.N.; Hưng, N.V.; Long, Đ.T.; Quyết, L.Đ.; Đông, N.P.; Thanh, Đ.Q.; Dũng, L.M.; Thảo, N.T.T.; Trang, H.T.P.; Hoạt, Đ.H. Nghiên cứu, xây dựng và triển khai thử nghiệm hệ thống cảnh báo sớm ngập lụt đô thị dựa trên nền tảng trí tuệ nhân tạo tại Thành phố Hồ Chí Minh. Tạp chí Khí tượng Thủy văn 2023, 747, 81-97.

18. Trực tuyến: https://monre.gov.vn/Pages/chuyen-doi-so---cu-hich-cho-nganh-khi-tuong-thuy-van.aspx (Truy cập: 08/2/2022)

19. Báo cáo số 762/TCKTTV-QLDB ngày 20 tháng 6 năm 2022 của Tổng cục Khí tượng Thủy văn về kết quả thực hiện Nghị quyết số 54-NQ/TW ngày 14 tháng 9 năm 2005 của Bộ Chính trị khóa IX về phát triển kinh tế - xã hội và bảo đảm quốc phòng an ninh vùng đồng bằng sông Hồng.

20. Báo cáo số 350/TCKTTV-QLDB ngày 31 tháng 3 năm 2023 của Tổng cục Khí tượng Thủy văn về tổng kết 10 năm thực hiện Nghị quyết số 24-NQ/TW khóa XI về chủ động ứng phó với biến đổi khí hậu, tăng cường quản lý tài nguyên và bảo vệ môi trường.

21. Quyết định số 1970/QĐ-TTg ngày 23 tháng 11 năm 2021 của Thủ tướng Chính phủ quy định Chiến lược phát triển Ngành Khí tượng Thủy văn đến năm 2030, tầm nhìn đến năm 2045.