Ứng dụng trí tuệ nhân tạo trong nhận dạng vùng ảnh hưởng bão từ dữ liệu mô phỏng khí tượng và biến đổi khí hậu nhằm giảm thiểu rủi ro và hỗ trợ phát triển bền vững tại khu vực Biển Đông và Việt Nam

Tóm tắt

Nghiên cứu này đề xuất một phương pháp hoàn toàn tự động để nhận dạng vùng bão từ dữ liệu mô hình số dự báo thời tiết (NWP) bằng cách sử dụng mô hình RetinaNet kết hợp với mạng cơ sở (backbone) ResNet152. Dữ liệu huấn luyện đầu vào gồm các trường vật lý như áp suất, gió và nhiệt độ từ tái phân tích được xử lý thành ảnh đa kênh để huấn luyện mô hình phát hiện đối tượng trong đó nhãn dữ liệu được xác định từ dữ liệu quỹ đạo bão chuẩn best-track của Cơ quan Khí tượng Nhật Bản (JMA). Kết quả thử nghiệm trên dữ liệu tái phân tích cho thấy mô hình đạt độ chính xác cao (tỉ lệ phát hiện trên 90%), qua đó xác định được tốt các vùng thông tin liên quan đến hoạt động của bão mà không cần thông tin khởi tạo ban đầu (first guess) như phương pháp do tìm tâm bão (tracking) truyền thống. Khi áp dụng lên dữ liệu mô phỏng biến đổi khí hậu, mô hình vẫn phát hiện hiệu quả các xoáy thuận, phản ánh được xu hướng thay đổi không gian – thời gian hoạt động bão trong tương lai. Thử nghiệm tại khu vực Biển Đông cho thấy khả năng phát hiện sát thực tế, đồng thời ghi nhận thêm một số hệ thống yếu bị bỏ sót bởi các thuật toán truyền thống. Kết quả cho thấy học sâu có tiềm năng lớn trong tự động hóa phát hiện bão từ dữ liệu NWP mà không cần bước xử lý có tính chất chủ quan ban đầu.