VSGA tổng hợp thông tin từ bản preprint của nhóm tác giả: Roquia Salm và các cộng sự, khoa Giảm thiểu rủi ro thiên tai, thuộc University College London (Anh), đăng tải trên EGUsphere, nhằm chia sẻ đến độc giả quan tâm lĩnh vực giảm thiểu rủi ro thiên tai. Nghiên cứu khảo sát 61 hệ thống cảnh báo sớm sạt lở đất kích hoạt bởi mưa tại 23 quốc gia, trong đó có Việt Nam, dựa theo khung Cảnh báo sớm cho mọi người (EW4All) của Liên Hợp Quốc. Nội dung phản ánh những thành tựu đã đạt được, các hạn chế còn tồn tại liên quan đến dữ liệu, công nghệ và tiếp cận cộng đồng, cùng một số hướng phát triển được đề xuất cho tương lai.
Giới thiệu
Trong nhiều thập kỷ qua, các loại hình thiên tai thuộc nhóm khí hậu, thủy văn và khí tượng xảy ra trên toàn cầu có xu hướng tăng theo thời gian, trong đó ngập lụt, bão, và sạt lở đất kích hoạt bởi mưa (mass movement) là 3 loại hình thiên tai phổ biến nhất (Hình 1, 2). Từ năm 1989, nhiều sáng kiến và chương trình quốc tế đã được triển khai nhằm thúc đẩy việc xây dựng các hệ thống cảnh báo sớm để nâng cao năng lực phòng ngừa, giảm thiểu rủi ro đối với cộng đồng, và hỗ trợ ra quyết định trong ứng phó thiên tai. Năm 2023, Liên Hợp Quốc (UN) đã đưa ra sáng kiến Cảnh báo sớm cho mọi người (Early Warnings for All Framework – EW4All) với mục tiêu đến cuối năm 2027, tất cả mọi người trên thế giới đều được bảo vệ trước mọi loại hình thời tiết, thủy văn và khí hậu nguy hiểm thông qua các cảnh báo kịp thời.
Nhóm tác giả thuộc University College London, Vương quốc Anh, đã tiến hành tổng hợp các công bố về các hệ thống cảnh báo sớm sạt lở đất (Landslide Early Warning Systems – LEWS) trên phạm vi toàn cầu, phân tích hiện trạng và thành tựu, hạn chế còn tồn tại, và đưa ra triển vọng phát triển trong tương lai của các hệ thống cảnh báo sớm thiên tai.
Mục tiêu và phạm vi nghiên cứu
Đánh giá toàn bộ hệ thống LEWS đã được công bố theo khung EW4All, gồm 4 hợp phần (Hình 3):
- Hiểu biết về rủi ro thiên tai (Disaster risk knowledge)
- Quan trắc, giám sát và dự báo (Detection, observations, monitoring, analysis & forecasting)
- Truyền tải cảnh báo (Warning dissemination & communication)
- Chuẩn bị và ứng phó (Preparedness & response capabilities)
Nhóm tác giả thu thập thông tin 61 hệ thống LEWS thuộc 23 quốc gia, ở các quy mô địa phương, vùng, và quốc gia (Việt Nam có 1 hệ thống); trong đó có 14 hệ thống thuộc 10 quốc gia đã được triển khai thực tế và đang được sử dụng để hỗ trợ cảnh báo, gồm: Nhật Bản (JP), Ý (IT), Hong Kong (HK), Đài Loan (TW), Hàn Quốc (KR), Na Uy (NO), Brazil (BR), Ấn Độ (IN), Thụy Sĩ ( CH), và Trung Quốc (CN) (Hình 4).
Thành tựu, kết quả
- Ngưỡng mưa vẫn là yếu tố chủ yếu để đưa ra cảnh báo, gồm các giá trị: cường độ mưa – thời lượng mưa (intensity – duration threshold), tổng lượng mưa – thời lượng mưa (event-duration threshold), và lượng mưa tích lũy (antecedent rainfall)
- Đối tượng cảnh báo chủ yếu là sạt lở nông (shallow landslide) và lũ bùn đá (debris flow), ít hệ thống áp dụng cho cánh báo khác ((Hình 5)
- Cảm biến IoT chưa phổ biến: Một số hệ thống sử dụng cảm biến đo độ ẩm đất (soil moisture), áp lực nước lỗ rỗng (pore pressure), hệ thống định vị toàn cầu (GNSS) để quan trắc biến dạng bề mặt, và đo độ nghiêng (inclinometer). Việc triển khai hệ thống IoT ở quy mô quốc gia gặp rào cản về chi phí lắp đặt, hiệu chuẩn và bảo trì (Hình 6)
- AI chưa được áp dụng phổ biến vào các hệ thống cảnh báo chính thức, mà chủ yếu đang ở giai đoạn nghiên cứu, do thiếu dữ liệu, dữ liệu không đồng nhất, cũng như khó khăn trong việc giải thích kết quả và tính minh bạch về phương pháp (mô hình “hộp đen” của AI)
- Chưa có bản đồ rủi ro thiên tai (cần kết hợp thêm các yếu tố như dân cư, đường giao thông, công trình, mức độ dễ tổn thương của từng khu vực ảnh hưởng)
- Chưa tiếp cận cộng đồng hiệu quả: Cộng đồng địa phương chưa nhận được phổ biến rộng rãi về ý nghĩa của cảnh báo, cũng như hành động cần thực hiện như sơ tán, tránh trú, làm giảm hiệu quả của các hệ thống cảnh báo sớm
Hạn chế
- Thiếu chuẩn quốc tế: Mỗi quốc gia dùng giá trị ngưỡng mưa khác nhau, phương pháp đánh giá khác nhau, dẫn đến khó chuyển giao áp dụng trên toàn cầu
- Thiếu dữ liệu thời gian thực: Chủ yếu ở các nước đang phát triển, vùng núi
- Thiếu đánh giá độ chính xác: Chỉ một số ít bài báo có đánh giá đầy đủ các chỉ số như : tỉ lệ cảnh báo sai, tỉ lệ không cảnh báo khi thực sự có thiên tai, xác suất phát hiện được nguy cơ thiên tai (probability of detection – POD), và chỉ số thành công tới hạn (critical success index – CSI)
- Chưa tích hợp đa thiên tai: Các hệ thống chủ yếu chỉ dự báo sạt lở và lũ bùn đất, chưa kết hợp cảnh báo các thiên tai liên quan như ngập lụt, lũ quét,…
- Chưa khai thác sức mạnh của AI có khả năng giải thích kết quả
Triển vọng, hướng phát triển
- Tích hợp và khai thác đa dữ liệu, công nghệ như: dự báo mưa, radar, mô hình thời tiết, các loại IoT khác, viễn thám, AI
- Khai thác sức mạnh của cộng đồng
- Đưa ra bản đồ rủi ro thiên tai
