Hệ thống cảnh báo sớm thiên tai-giải pháp kỹ thuật

MTXD -  Nhiều năm gần đây, thế giới vẫn đang phải chứng kiến những tổn thất nặng nề do thiên tai như lũ quét và trượt lở đất. Nhiều giải pháp về kỹ thuật và quản trị rủi ro thiên tai đã được nghiên cứu và ứng dụng trên thế giới cũng như ở Việt Nam. Bài viết này trình bày một số giải pháp kỹ thuật bao gồm việc xây dựng hệ thống cảnh báo thiên tai phục vụ cho việc quản lý cả về dài hạn và cảnh báo sớm. Bên cạnh đó, hệ thống quan trắc và một số mô hình dự báo thiên tai ở Việt Nam cũng được đề cập, qua đó một số bất cập và khó khăn cũng được đưa ra. Cuối cùng, giải pháp toàn diện cả về quản trị cũng như kỹ thuật phù hợp cho Việt Nam được đề xuất, nhằm giảm thiểu các thiệt hại về người và của do thiên tai gây ra.

1. Đặt vấn đề

Những trận lũ lụt kinh hoàng hồi tháng 4/2021 tại Trung Quốc và tháng 6/2021 tại Đức đã ảnh hưởng đến cuộc sống người dân cho thấy rằng biến đổi khí hậu (BĐKH) đang làm cho thời tiết trở nên khắc nghiệt và bất thường hơn ở khắp mọi nơi trên thế giới. Ít nhất 25 người chết ở tỉnh Hà Nam, miền Trung Trung Quốc, trong đó có hàng chục người bị mắc kẹt trong một tàu điện ngầm của thành phố Trịnh Châu khi nước chảy qua sau nhiều ngày mưa như trút nước (Reuters, 2021a).

Thảm họa lũ lụt tương tự xảy ra tại châu Âu cũng đã gây thiệt hại nghiêm trọng với ít nhất 160 người chết ở Đức và 31 người ở Bỉ (Reuters, 2021b). Các trận lũ lụt này xảy ra rất bất ngờ và diễn ra trong thời gian rất ngắn, làm cho chính quyền và người dân không kịp chuẩn bị ứng phó.

Các thảm họa trên đã cho thấy rằng công tác dự báo sớm trở nên vô cùng quan trọng nhằm ứng phó với những bất thường của thời tiết tương tự trong tương lai. Chỉ trong 18 ngày, từ 18/10 - 6/11/2020, bên cạnh bão, mưa lũ, ngập lụt lịch sử, miền Trung còn liên tiếp xảy ra sạt lở vùi lấp hàng trăm con người. Chỉ một số ít người may mắn sống sót. Trong đó, 192người chết và 57 ngườicho đến hiện tại vẫn đang mất tích, tổng thiệt hại kinh tế khoảng 30.000 tỷ đồng (Chính phủ, 2020).

Các giải pháp về mặt kỹ thuật và quản trị rủi ro thiên tai nhằm ứng phó và giảm thiệt hại về người và của đã được nghiên cứu và ứng dụng ở một số nước trên thế giới. Trong đó, việc xây dựng hệ thống cảnh báo sớm thiên tai và nâng cấp bộ máy quản lý rủi ro thiên được ứng dụng. Các giải pháp này đã thực sự mang lại những hiệu quả nhất định giảm thiệt hại về người và của, cung cấp thông tin cho các cơ quan quản lý liên quan trong việc ra quyết định kịp thời và chính xác. Vì thế, giải pháp kỹ thuật quản lý rủi ro thiên tai đã được ứng dụng tại một số nước trên thế giới như ở Trung Quốc và châu Âu, Việt Nam có thể áp dụng nhằm ứng phó với các hiện tượng thời tiết càng ngày càng cực đoan xảy ra trong thời gian tới.

2. Hệ thống cảnh báo thiên tai

Khoảng 52% diện tích của châu Á là vùng núi với lượng mưa lớn thường xuyên, những khu vực này đã phải hứng chịu những thảm họa lũ quét trong suốt chiều dài lịch sử (Haichen Li và nnk, 2017). Do lũ quét và trượt lở đất có sự phân bố và phạm vi ảnh hưởng trên diện rộng, nên việc phòng chống thiên tai lũ quét chủ yếu bằng các biện pháp kỹ thuật truyền thống như dựa vào dự báo hiện tượng thời tiết, đo lượng mưa và cảnh báo chậm là không hợp lý và khá tốn kém. Kể từ những năm 1990, với sự phát triển khoa học công nghệ máy tính, nhiều nước trên thế giới bắt đầu nghiên cứu và ứng dụng công nghệ cảnh báo sớm thiên tai, đây là những phương pháp tối ưu cho các nước đang phát triển với mật độ dân số dày đặc và thường xuyên xảy ra thiên tai như lũ quét và sạt lở đất hàng năm (Haichen Li và nnk, 2017).

Cảnh báo sớm thiên tai trên thế giới được phân loại thành cảnh báo dài hạn (long term) và cảnh báo theo thời gian thực (real time). Hai phương pháp cơ bản này được đánh giá có hiệu quả trong thời gian vừa qua với việc không ngừng nghiên cứu nhằm cải thiện độ chính xác phân tích cảnh báo dài hạn, tính toán cho các chỉ số cảnh báo thời gian thực, cơ sở dữ liệu được sử dụng cho xây dựng hệ thống thông tin địa lý.

2.1. Nghiên cứu cảnh báo lũ quét và trượt lở đất dài hạn

·Phân tích thống kê dựa trên dữ liệu lịch sử

Về cơ bản, phương pháp này thu thập dữ liệu về những trận lũ quét xảy ra trong quá khứ, từ đó tần suất và chu kỳ lặp lại đã được xác định. Qua đó, các nhà khoa học đã dự đoán xu hướng xuất hiện của các thảm họa trong tương lai (Cheng W., 2013). Cụ thể, tần suất được tính toán bằng cách lấy số lần xảy ra thiên tai trừ đi vụ thảm họa lịch sử của khu vực nghiên cứu cụ thể, sau đó lấy khoảng thời gian xảy ra của các thảm họa lịch sử chia cho giá trị này. Phương pháp tính tần suất xuất hiện của thảm hoạ đưa ra kết quả phản ánh mức độ hoạt động của thảm họa và qua đó có thể được sử dụng để suy đoán xác suất dài hạn. Tuy nhiên, để có thể tính toán bằng phương pháp này, các dữ liệu về thiên tai trong quá khứ phải đáng tin cậy, chính xác và đầy đủ (Binh Bui, 2010; Chen, G. và nnk, 2007). Thêm vào đó, phương pháp này chỉ có thể ứng dụng trên một lưu vực sông, suối hoặc dòng chảy cụ thể.

·Phân tích rủi ro dựa trên cơ chế gây ra thảm họa

Sự phát triển nhanh chóng của công nghệ kỹ thuật, hệ thống thông tin địa lý (GIS) và công nghệ viễn thám (RS), đã được ứng dụng xây dựng mô hình cảnh báo lũ quét dài hạn dựa trên các yếu tố gây thiên tai như lượng mưa, địa hình, độ dốc, thảm thực vật, mạng lưới sông suối và địa chất… Bằng cách áp dụng công thức toán học, tất cả các yếu tố này đều được đưa vào tính toán dựa trên các đánh giá về nguy cơ và tính dễ tổn thương.

Qua đó, mô hình dự báo về lũ quét và sạt lở đất đã được tạo ra với độ chính xác cao. Phân tích rủi ro dựa trên cơ chế gây ra lũ lụt và trượt lở đất bằng công nghệ GIS và RS có ưu điểm là mức độ bao phủ rộng lớn như một tỉnh hoặc vùng có điều kiện khí hậu, thổ nhưỡng giống nhau. Bên cạnh đó, mô hình dự báo này là những bằng chứng quan trọng, khoa học giúp cho việc ra quyết định của các cơ quan liên quan trong công tác quy hoạch sử dụng đất, bố trí khu dân cư. Cuối cùng, trong quá trình xây dựng mô hình này có được sự tham gia về mặt kỹ thuật của rất nhiều chuyên gia ở các lĩnh vực khác nhau.

Tuy nhiên, mô hình dự báo này chỉ được xây dựng tại một thời điểm cụ thể với các yếu tố gây ra thảm hoạ được xác định, để có độ chính xác cao thì phải thường xuyên cập nhật số liệu sau mỗi đợt xảy ra thiên tai và chạy lại mô hình. Thêm vào đó, để vận hành, bảo trì mô hình cần hệ thống máy tính có cấu hình mạnh đòi hỏi chi phí đầu tư lớn và nhân lực thực hiện cần phải được đào tạo chuyên sâu.

Zhao đã đánh giá rủi ro thiên tai lũ quét trên khu vực thượng nguồn sông Minjiang bằng phân tích cường độ và tần suất (Hapuarachchi, P và nnk, 2011). Hơn nữa, Tang và Shi đưa ra một hệ thống phương pháp và lộ trình kỹ thuật tích hợp, bao gồm việc thu thập dữ liệu bằng GIS, xây dựng cơ sở dữ liệu không gian, lựa chọn hệ thống chỉ số đánh giá, dự báo, đánh giá rủi ro và phân vùng (Hu, J., & Liu, Z., 2011). Theo hệ thống phương pháp và lộ trình kỹ thuật này, Guan và Chen đã vẽ bản đồ đánh giá rủi ro thiên tai lũ quét của tỉnh Giang Tây, dựa trên bản đồ địa lý và phân tích khí hậu, lượng mưa, địa hình, độ dốc và mạng lưới sông để đánh giá mức độ dễ bị tổn thương bản đồ phân vùng rủi ro thiên tai lũ quét (Hu, J. và nnk, 2014). Trong quá trình phân tích tính dễ bị tổn thương do lũ quét ở thành phố Wenshan, phạm vi và độ sâu của lũ quét được coi là các chỉ số quan trọng để nâng cao độ chính xác của đánh giá (Huang, X., và nnk; Institute of Mountain Hazards and Environment, Chinese Academy of Sciences and Ministry of Water Conservation, 1991). Hệ thống chỉ số phân vùng nguy cơ lũ quét dựa trên vi địa mạo, địa hình và vị trí độ dốc, tích tụ dòng chảy đã được xây dựng.

2.2. Cảnh báo sớm thiên tai, lũ quét, trượt lở đất theo thời hạn thực

·Phương pháp tính toán cho các chỉ số cảnh báo thời gian thực

Cho đến nay, hầu như các nghiên cứu về hệ thống cảnh báo sớm thiên tai vẫn chưa có sự thống nhất về các yếu tố gây ra thảm họa thiên tai như lũ quét và trượt lở đất, chẳng hạn như hướng và tốc độ gió, vận tốc và lưu lượng dòng chảy, mực nước, cường độ và lượng mưa, v.v. Thay vào đó, hầu hết các mô hình thường tập trung vào yếu tố là lượng mưa, một số thì tập trung vào các mô hình cảnh báo mực nước dâng. Các phương pháp tính toán lượng mưa cảnh báo sớm có thể được chia thành hai loại: theo hướng dữ liệu và theo cơ chế (Hình 1).

Hình 1. Sơ đồ hệ thống kỹ thuật cảnh báo sớm thiên tai theo thời gian thực đã được ứng dụng trên thế giới

·Các phương pháp tính toán lượng mưa cảnh báo sớm

Trên thực tế, phương pháp dựa trên dữ liệu là cách cơ bản nhất để tính toán lượng mưa cảnh báo sớm thiên tai. Với điều kiện lũ quét phải có mối tương quan nhất định với lượng mưa, phương pháp này tính toán lượng mưa và đưa ra cảnh báo sớm bằng cách phân tích dữ liệu thiên tai lịch
sử. Tuy nhiên, phương pháp này lại không tính đến cơ chế gây ra thiên tai. Vì vậy, cần phải xem xét tổng thể và phân loại các số liệu đầu vào như khảo sát trường hợp bao gồm lượng mưa tới hạn một trạm, lượng mưa tới hạn khu vực, phân tích tần suất mưa và thiên tai, phân tích tương quan,
phương pháp loại suy và nội suy (Li, X., 2015).

Để tính lượng mưa tới hạn thì cần thông qua thống kê lượng mưa của các trận thiên tai lịch sử bằng cách lấy lượng mưa tối thiểu của từng khoảng thời gian làm giá trị ban đầu và so sánh với giá trị của các khu vực lân cận, qua đó xác định lượng mưa tới hạn cho cảnh báo sớm lũ quét. Nếu có đủ dữ liệu lịch sử từ mạng lưới quan trắc thủy văn, khí tượng hiện có, thì lượng mưa tới hạn cho từng trạm và khu vực sẽ được tính toán. Bên cạnh đó, phương pháp tính toán tổng hợp về lưu lượng dòng chảy tới hạn khu vực đồi núi, độ bão hòa độ ẩm của đất. Phương pháp này được tính toán bằng cách sử dụng lượng mưa tới hạn của một trạm quan trắc duy nhất và phân tích tần suất của mưa và thiên tai để phân vùng lượng mưa của một khu vực (Li, P. và nnk, 2017). Ví dụ, để cảnh báo sớm lũ quét, có thể sử dụng lượng mưa 24 giờ và lượng mưa 10 ngày trước để dự đoán (Liao, M., 2012).

Với mối tương quan giữa lượng mưa và các thông số lưu vực, một số phương pháp khác cũng đã được nghiên cứu như xây dựng mô hình thống kê liên quan đến lượng mưa tới hạn, diện tích lưu vực, chiều dài sông chính và độ dốc sông. Bằng cách sử dụng mô hình này, lượng mưa cảnh
báo sớm cho các lưu vực nhỏ (Lin D., 2014). Hơn thế nữa, bằng cách phân tích các trường hợp dữ liệu về địa chấn và tai biến địa chất, lượng mưa tới hạn được tính toán dựa trên năm cấp độ để cảnh báo sớm lũ quét và trượt lở đất (Lin X và nnk, 2015).

Phương pháp ngoại suy và nội suy cũng được sử dụng để tính toán lượng mưa tới hạn từ các trạm đo mưa xung quanh như nội suy Kriging, nghịch đảo khoảng cách (invert distance to a power), nội suy song tuyến trong lưới (Bilinear interpolation in a grid) (Liu Y., và nnk, 2014). Bản chất của phương pháp này là tính toán lượng mưa tới hạn tương ứng với mực nước mà lũ quét có thể xảy ra. Mối tương quan giữa mực nước và lưu lượng, lượng mưa và lưu lượng được phân tích để tính lượng mưa gây ra lũ quét theo các cấp độ khác nhau (Liu C. và nnk., 2015).

Với sự phát triển của khoa học, các nghiên cứu đã đưa ra mô hình số tính toán các chỉ số cảnhm báo lũ quét theo thời gian thực. Các mô hình số này thường được xây dựng dựa trên cân bằng nước, các nguyên tắc thủy văn hoặc thủy động lực học. Họ đã đưa ra phương pháp tính toán lượng mưa tới hạn tối thiểu với điều kiện cảnh báo phải tính đến cả lượng mưa và cường độ (Meng H., 2014).

·Cải thiện nguồn dữ liệu được sử dụng để cảnh báo

Mặc dù các mô hình và phương pháp tính toán đã được nghiên cứu nhiều, tuy nhiên hạn chế lớn nhất đối với cảnh báo sớm lũ quét theo thời gian thực là thiếu dữ liệu về lượng mưa, lưu lượng và mực nước theo thời gian thực. Để giải quyết vấn đề này không có cách nào khác là tăng cường
mạng lưới quan trắc khí tượng thuỷ văn, lượng mưa và lưu lượng dòng chảy. Vì vậy, đã có một số nghiên cứu đưa ra tiêu chuẩn kỹ thuật và chỉ số bố trí các trạm khí tượng thủy văn theo nhu cầu phòng chống lũ lụt vùng núi (Wang L., 2014; Wang X. và nnk, 2009).

Cùng với việc tăng dày mạng lưới quan trắc khí tượng thủy văn, việc ứng dụng công nghệ viễn thám trong việc thu thập dữ liệu và mở rộng khoảng thời gian dự báo dựa trên công nghệ dự báo thời tiết hiện đại. Tuy nhiên, việc cảnh báo sớm lũ quét vẫn khó nếu chỉ dựa vào số liệu quan trắc thời gian thực, cần phải sử dụng phương pháp dự báo tổng hợp như xây dựng mô hình vật lý khác nhau của mô hình nhằm kéo dài khoảng thời gian dự báo sớm (Wu J. và nnk, 2014).

·Thông tin dữ liệu đầu vào hệ thống cảnh báo

Việc cập nhật thông tin nhanh chóng, đầy đủ là vô cùng quan trọng để rút ngắn thời gian cảnh báo sớm lũ quét theo thời gian thực. Các thông tin cảnh báo sớm lũ quét bao gồm thu thập, truyền dữ liệu, phân tích cảnh báo sớm, mô phỏng thiên tai và phát sóng cảnh báo tới người dân theo thời gian thực. Đối với vùng núi, hệ thống kỹ thuật máy móc thu thập dữ liệu cần tối ưu tiêu thụ điện năng, hiệu suất ổn định và độ chính xác cao (Xu X., & He W., 2015). Trong đó, thiết bị cảm biến từ xa cảnh báo sớm mực nước sông, suối và hệ thông truyền tin di động có sẵn trên máy điện thoại như GPRS hoặc SMS nhằm cung cấp thông tin cho người dân ngay lập tức (Ye J. và nnk, 2014).

Một số mô hình thậm chí còn ứng dụng công nghệ dựa trên Internet of Things (ToT) và công nghệ GIS trên nên tảng web (WebGIS) (Ye J. và nnk, 2013; Ye Y. và nnk, 2008).

3. Hệ thống cảnh báo, dự báo thiên tai ở Việt Nam

3.1. Thực trạng hệ thống quan trắc thời tiết và hệ thống cảnh báo thiên tai ở Việt Nam

Trong nhiều năm trở lại đây, tại các tỉnh miền núi trên cả nước đã liên tục xảy ra các trận lũ quét và trượt lở đất với cường độ ngày một lớn, gây tổn thất nghiêm trọng về tài sản và cướp đi sinh mạng của nhiều người dân (Bảng 2). Về tổng thể, hệ thống cảnh báo thiên tai ở Việt Nam nói chung và các tỉnh miền núi nói riêng vẫn còn thiếu, chưa đồng bộ và đặc biệt là chưa có chức năng cảnh báo theo thời gian thực. Mới chỉ có một số dự án nhỏ với quy mô dự báo, cảnh báo ở cấp độ cơ sở như xã, phường.

Gần đây, nhất đề án “Ðiều tra, đánh giá và phân vùng cảnh báo nguy cơ trượt lở đất đá các vùng miền núi Việt Nam” theo Quyết định 351/QÐ-TTg ngày 27-3-2012 của Thủ tướng Chính phủ đặt ra thời hạn đến năm 2020 là xây dựng hệ thống bản đồ cho 37 tỉnh, thành phố có nguy cơ trượt lở cao. Nhưng đến nay mới chỉ xây dựng được cho 15 tỉnh, thành phố. Kết quả của Ðề án là xây dựng bản đồ tỷ lệ 1/50.000. Với tỷ lệ rất nhỏ thì trên bản đồ, tính hiệu quả của việc cảnh báo gần như bằng 0; không thể xác định được điểm có nguy cơ trượt lở, cũng như các đối tượng bị tác
động để phục vụ công tác chỉ đạo ứng phó. Để có thể xác định được các điểm trượt lở, cần phải xây dựng đến tỷ lệ 1/5000 thì mới có thể ứng dụng trong quy hoạch đất đai và cung cấp thông tin cho các cơ quan liên quan. Bên cạnh đó, các bản đồ này cũng chưa có khả năng dự báo được thời
gian xảy ra trượt lở đất. Nội dung các bản đồ này khoanh định các diện tích có hiện trạng và nguy cơ trượt lở theo các cấp độ rất cao, cao, trung bình và thấp; phân loại các vị trí trượt lở theo quy mô rất lớn, lớn, trung bình và nhỏ, và theo các kiểu trượt như trượt xoay, trượt nêm, trượt phẳng, trượt hỗn hợp và trượt dạng dòng… Ngoài ra, đề án còn tiến hành điều tra hiện trạng, phân vùng cảnh báo trượt lở ở tỷ lệ 1:10.000 cho 200 xã trọng điểm có nguy cơ trượt lở cao, đến nay đã thực hiện được 64 xã. Các kết quả điều tra, đánh giá của Ðề án đã và đang được chuyển giao cho các địa phương và Ban Chỉ đạo Trung ương về phòng, chống thiên tai.
Một số trạm khí tượng thuỷ văn vùng núi phía Bắc

Theo Tổng cục KTTV (2019), tỉnh Yên Bái có 20 trạm đo mưa tự động, cung cấp số liệu đến điện thoại của lãnh đạo chính quyền các cấp và thành viên Ban Chỉ huy phòng chống thiên tai và tìm kiếm cứu nạn, cũng như các trang web chuyên ngành. 9 trạm đo khí tượng thủy văn được đặt tại 9 địa phương. Bên cạnh đó, Yên Bái cũng đưa vào vận hành một hệ thống cảnh báo lũ quét ở khu vực thị xã Nghĩa Lộ; 5 thiết bị cảnh báo mực nước nguy hiểm đặt ở các ngầm tràn thuộc huyện Văn Chấn. Đặc biệt là hơn 100 thiết bị đo mưa được đặt trực tiếp ở các thôn, bản, nhằm kịp thời đưa ra những thông tin cảnh báo cho nhân dân. Dự án cảnh báo sớm lũ quét được xây dựng từ năm 2006, đây là Dự án "Xây dựng hệ thống cảnh báo lũ quét" được xây dựng thử nghiệm ở hai huyện Văn Chấn và Trạm Tấu (Yên Bái). Tuy nhiên, tính hiệu quả của dự án này chưa được đánh giá và hệ thống cảnh báo chưa một lần hoạt động.

Bảng 2. Thống kê số trận lũ quét xảy ra trong giai đoạn 2001-2019 tại vùng trung du miền núi phía Bắc

Dữ liệu được thu thập, xử lý và phân tích dựa trên các ngưỡng cảnh báo thiên tai khác nhau (An toàn - Có dấu hiệu - Có nguy cơ xảy ra - Chắc chắn xảy ra) và phát cảnh báo cho các bên liên quan như: Chính quyền địa phương, Cơ quan PCTT các cấp, người dân trong khu vực ảnh hưởng
Nguồn: Văn phòng Thường trực Ban Chỉ đạo Trung ương về PCTT, 2020
Tỉnh Lào Cai hiện có 9 trạm khí tượng thủy văn; 53 trạm đo mưa tự động; 3 hệ thống cảnh báo sớm thiên tai được đầu tư, các hệ thống cảnh báo thiên tai của Hàn Quốc, trạm cảnh báo lũ bùn đá của Đài Loan (Trung Quốc) đang chạy thử nghiệm... Đây là mô hình cảnh báo thử nghiệm
đang được triển khai tại xã Bản Khoang, huyện Sapa. Hệ thống bao gồm một loạt các cảm biến như: cảm biến chấn rung, thiết bị đo mực nước, cảm biến căng kế, camera hồng ngoại, trạm đo mưa được lắp đặt ở ba khu vực thượng nguồn, trung nguồn và hạ nguồn nhằm quan trắc, ghi nhận
nhưng thay đổi về điều kiện thời tiết (lượng mưa), địa chất (rung chấn địa tầng), thủy văn (dòng chảy, mực nước) và sự di chuyển bề mặt của dòng bùn lỏng, đất đá. Tất cả các dữ liệu được thu nhận và xử lý tại chỗ bằng Trung tâm xử lý số liệu.

và các đơn vị liên quan. Đặc biệt, hệ thống cảnh báo sớm tại chỗ qua Còi ủ, tin nhắn SMS trong trường mức cảnh báo nguy cấp cho người dân trong khu vực ảnh hưởng để có thông tin sơ tán kịp thời nhằm giảm thiểu các thiệt hại về người và của do thiên tai xảy ra.

Mô hình cảnh báo sớm thiên tai tại thành phố Đà Nẵng:

Dự án Mô hình lũ lụt và Xây dựng năng lực cảnh báo sớm ở Việt Nam - Giai đoạn 2 (FEW2) được triển khai bởi Trung tâm Thiên tai Thái Bình Dương (PDC) với hỗ trợ từ Văn phòng Trợ giúp Thiên tai nước ngoài của USAID. Dự án xây dựng dựa trên các hoạt động trước đây nhằm
phát triển và triển khai hệ thống cảnh báo sớm và hỗ trợ ra quyết định VinAWARE ban đầu cho cán bộ trung ương tại Hà Nội và cán bộ phòng chống lụt bão cấp tỉnh ở miền trung Việt Nam. Với VinAWARE, các nhà quản lý thiên tai của Việt Nam có thể giám sát bão và các đợt lũ lụt nguy
hiểm, cung cấp cảnh báo kịp thời và chia sẻ với các cơ quan ứng phó liên quan về các kết quả nắm bắt tình hình và đánh giá thiệt hại.

Hiện tại, hệ thống đã nâng cấp việc cung cấp dữ liệu khí tượng thủy văn cập nhật và có chất lượng cao hơn, hỗ trợ thông tin địa lý và bản đồ lũ lụt trong VinAWARE.

Giám sát bão và lũ lụt trước đây phụ thuộc vào nhiều hoạt động như quan sát trực tiếp, điện thoại và báo cáo qua fax giờ đây đã trở thành một quy trình báo cáo đáng tin cậy và cập nhật. Sử dụng VinAWARE, các quyết định trong toàn bộ chu trình quản lý thiên tai hiện tại được đưa ra
dựa trên dữ liệu gần thời gian thực, được cụ thể hóa và trình bày theo hình thức dễ tiếp cận, dễ hiểu và hoàn toàn có thể chia sẻ, trong đó bao gồm các cộng đồng và tài sản bị ảnh hưởng, thông tin nguy cơ và hơn thế nữa. Với hệ thống này, cảnh báo sớm có thể và sẽ cứu nhiều sinh mạng,
hoạt động sinh kế và các nguồn lực kinh tế. Tuy nhiên, việc thúc đẩy và triển khai các thỏa thuận chia sẻ dữ liệu giữa các cơ quan liên quan chủ chốt tại Việt Nam còn nhiều bất cập, hạn chế cho việc cải thiện năng lực hoạt động với thông tin có chất lượng tốt hơn.

3.2. Những khó khăn, tồn tại đối với công tác cảnh báo thiên tai ở Việt Nam

Với nhiều thiệt hại nặng nền do thiên tai xảy ra hàng năm, nguyên nhân khiến khu vực miền núi chịu thiệt hại lớn về người và của là do công tác dự báo và cảnh báo mưa lũ chưa đáp ứng yêu cầu thực tế. Việc di dời nhân dân sinh sống ở khu vực có nguy cơ cao về sạt lở đất, lũ quét còn gặp khó khăn, thiếu quỹ đất đáp ứng nhu cầu di dời dân cư... Ngoài ra, do tập quán và điều kiện sinh sống tại nơi ở mới không phù hợp nên nhiều hộ dân không chịu di chuyển… Công tác dự báo và cảnh báo vẫn chưa được đầu tư nhiều về hạ tầng kỹ thuật, còn nhiều thiếu sót, độ chính xác không cao. Có thể tổng hợp hệ thống cảnh báo thiên tai ở Việt Nam theo hình sau (Hình 2):

Hình 2. Nguyên nhân, bất cập và khó khăn của hệ thống cảnh báo thiên tai ở Việt Nam

4. Đề xuất giải pháp về hệ thống kỹ thuật và nâng cao năng lực quản lý rủi ro thiên tai

Giải pháp kỹ thuật:

Về cơ bản, một số hệ thống cảnh báo sớm thiên tai theo thời gian thực sử dụng các thiết bị cáp, dễ bị hư hỏng và mất kết nối khi lũ lụt xảy ra. Vì vậy, với sự phát triển của ngành công nghệ thông tin và truyền thông, hệ thống cảnh báo lũ quét và trượt lở đất theo thời gian thực sẽ triển khai hoàn toàn trên hệ thống mạng không dây với việc truyền dữ liệu thời gian thực và có được kết quả giám sát tốt hơn. Do số lượng lớn tín hiệu tại chỗ cần được gửi khẩn cấp đến trung tâm điều khiển, khả năng tính toán của máy tính chắc chắn là trọng tâm của hệ thống cảnh báo và nó cũng cần cung cấp nhiều giao diện đầu vào/đầu ra (I/O) khác nhau để kết nối nhiều thiết bị báo
động hoặc các thiết bị khác. Ngoài ra, một số tủ thiết bị đầu cuối được lắp đặt ngoài trời không có phòng động cơ, có nghĩa là các thiết bị phần cứng có liên quan phải có đủ khả năng để đối phó với các thách thức nghiêm trọng như khả năng chống chênh lệch nhiệt độ cao, tiêu thụ điện năng thấp, có kích thước nhỏ gọn và các tính năng bền chắc khác. Để đảm bảo độ chính xác và truyền chính xác, việc theo dõi trạng thái thiết bị của từng trạm thông qua các mô đun I/O cũng là một điều cần thiết để đảm bảo hoạt động ổn định (Hình 3).

Hình 3. Hệ thống hạ tầng kỹ thuật cảnh báo sớm thiên tai

Giải pháp về nâng cao năng lực quản lý rủi ro thiên tai:

Cần tiến hành xây dựng hệ thống cảnh báo thiên tai theo thời gian thực, dựa trên các dữ liệu quan trắc liên tục, việc này cần nguồn đầu tư rất lớn và cần phải kết hợp cả bốn nhóm giải pháp, bao gồm: Xây dựng và sử dụng hệ thống cảnh báo sớm gắn liền với bộ bản đồ trực tuyến phân vùng rủi ro và thảm họa thiên tai lũ quét, sạt lở đất... có chỉ rõ đường sơ tán và nơi trú ẩn an toàn trên bản đồ cho người dân; đẩy mạnh công tác giáo dục, tuyên truyền, tập huấn, diễn tập cho chính quyền và nhân dân cấp cơ sở (thôn, bản, xã) về việc sử dụng bản đồ và hệ thống cảnh báo sớm; đưa nội dung giáo dục về kỹ năng nhận biết, ứng phó thiên tai lũ quét, sạt lở đất vào chương trình giáo dục tiểu học khu vực miền núi. Xã hội hóa nguồn lực đầu tư, quản lý vận hành, thuê bao các thông tin cảnh báo lũ quét, sạt lở đất; tăng cường hướng dẫn, vận động nhân dân tự lắp đặt và sử dụng các trạm đo mưa nhân dân để dự báo và cảnh báo được khả năng sắp xảy ra lũ quét, sạt lở đất. Cuối cùng, cơ quan quản lý nhà nước các cấp cần đầu tư, triển khai các dự án quy mô lớn nhằm xây dựng hệ thống quan trắc, giám sát, cảnh báo sớm theo thời gian thực, mang tầm quy mô quốc gia, liên kết trực tuyến thông suốt từ Ban Chỉ đạo T.Ư Phòng, chống thiên tai đến các cấp chính quyền địa phương.

Đề xuất giải pháp nhằm nâng cao tính hiệu quả của công tác quản lý rủi ro thiên tai:

- Cần xã hội hoá việc đầu tư hệ thống cảnh báo sớm thiên tai như thiết bị, cảm biến đo đạc,hệ thống máy tính, phần mềm… Đối với hệ thống này, tất cả các thiết bị nêu trên sẽ do cơ quan quản lý nhà nước chịu trách nhiệm vận hành, cập nhật và bảo trì. Nhà nước cần phải bảo đảm ngân sách cho đội ngũ kỹ thuật vận hành 24/24. Cơ quan quản lý nhà nước cần thông qua các nhà cung cấp dịch vụ viễn thông (Viettel, Mobiphone, Vinaphone…) để phổ biến các cảnh báo tới người dân trên diện rộng, đồng thời sử dụng công nghệ điện toán đám mây nhằm tiết kiệm chi phí.

- Hệ thống cảnh báo sớm thiên tai gồm có việc lắp đặt thiết bị và hệ thống, công tác nghiên cứu, nâng cao nhận thức cộng đồng, vv. Để giải quyết tất cả các vấn đề liên quan đến hệ thống này, cần sự phối hợp tham gia của khu vực tư nhân (máy móc, thiết bị, dịch vụ) và các nhà khoa học (nghiên cứu kỹ thuật, xây dựng mô hình, đánh giá độ chính xác). Nhà nước sẽ có vai trò điều phối, lập kế hoạch và thúc đẩy các bên tham gia.

TS. BÙI QUANG BÌNH*
TH.S ĐỖ THỊ NGÂN**
 

Tài liệu tham khảo
1. Chính phủ nước Cộng hoà XHCN Việt Nam (2020). Thiệt hại 30.000 tỷ đồng do thiên tai dị thường ở miền Trung. Http://baochinhphu.vn/Doi-song/Thiet-hai-30000-ty-dong-do-thien-tai-di-thuong-o mienTrung/415797.vgp
2. Cheng, W. (2013). A review of rainfall thresholds for triggering flash flood. Advances in Water Science in Chinese, 24, 901-908. [Google Scholar]
3. Chen, G., Yuan, Y., Guo, J., & Shen, H. (2007). Layout of hydro-meteorological station
network for mountain flood prevention. China Water Resources in Chinese, 14, 42-43+52. [Google Scholar].
4. Haichen Li, Tao Qin and Xiaohui Lei (2017). Flash Flood Early Warning Research in
China. Engineering and Mathematical Topics in Rainfall, Theodore V Hromadka II and Prasada Rao, IntechOpen, DOI: 10.5772/intechopen.69784. Available from:
https://www.intechopen.com/chapters/56108.
5. Hapuarachchi, P., Wang, Q., & Pagano, T. (2011). A review of advances in flash floodforecasting. HydrologicalProcesses, 25(18), 2771-2784. Doi:10.1002/hyp.8040.
6. Hu, J., & Liu, Z. (2011). Development and application of flash forecasting and warning
system for medium-and small-size river basins. Journal of China Hydrology in Chinese, 31, 18-
21. [Google Scholar].
7. Hu, J., Min, Y., Li, H., Li, X., Li, C., & Li, L. (2014). Meteorological early-warning research of mountain torrent and geologic hazard in Yunnan province. Journal of Catastrophology in Chinese, 29(1), 62-66. [Google Scholar].
8. Huang, X., Chu, M., & Shi, J. (2015). Analysis on flash flood investigation and assessment in China. China Water Resources in Chinese, (9), 17-18+29. [Google Scholar].

9. Institute of Mountain Hazards and Environment, Chinese Academy of Sciences and
Ministry of Water Conservation. (1991). Zonation map of landslide distribution in China(1:600). Chengdu: Chengdu Map.
10. Li, X. (2015). Design and implementation on the pre-alarming and supervising system of mountain torrents disaster in Shandong province (master’s thesis). Dalian: Dalian University of Technology. [Google Scholar].
11. Li, P., Qian, H., & Zhou, W. (2017). Finding harmony between the environment and humanity: An introduction to the thematic issue of the Silk Road. Environmental Earth Sciences,
76(3), 881. doi:10.1007/s12665-017-6428-9 [Crossref], [Web of Science ®], [Google Scholar].
12. Liao, M. (2012). Application of Doppler radar in early warning of mountain flood disasters. Journal of Agricultural Catastrophology in Chinese, 2, 84-88. [Google Scholar].
13. Lin, D. (2014). Design and implementation of prewarning information system for Yueyang municipal mountain flood disaster (master’s thesis). Hunan: Hunan University. [Google Scholar].
14. Lin, X., Lin, Q., Wang, M., Zhao, Y., & Li, Y. (2015). Hazard zoning of flash flood in mountainous administrative region of town: A case study on Tiaoshi town. Journal of Natural Disasters in Chinese, 24, 90-96. [Google Scholar].
15. Liu, Y., Hu, C., Zhang, H., & Liu, S. (2014). Analysis on method for determination of critical rainfall of mountain torrent disaster in data deficient region. Water Resources and Hydropower Engineering in Chinese, 45, 15-17. [Google Scholar].
16. Liu, C., Sun, T., Zhang, Q., Tang, X., & Guo, L. (2015). Application of unmanned aerial vehicle laser radar technology in mountain flood survey and evaluation. China Water Resources in Chinese, (21), 49-51+62. [Google Scholar].
17. Meng, H. (2014). Study on mountain flood warning system based on growing-pruning neural network (master’s thesis). Wuhan: Wuhan University of Science and Technology. [Google Scholar].
18. Reuter, 2021. From China to Germany, floods expose climate vulnerability. Https://www.reuters.com/business/environment/china germany-floods-expose-climatevulnerability-2021-07-22/
19. Jica (2019). Khảo sát thu thập dữ liệuvề tính khả dụng của các côngcụ truyền thông ICT cho phòng chống thiên tai ở Việt Namhttps://openjicareport.jica.go.jp/pdf/12345104.pdf.
20. Reuter, 2021a. At least 25 dead as rains deluge central China's Henan province.
Https://www.reuters.com/world/china/heavy-rainfall-kills-12-central-chinas-henan-provincialcapital-xinhua-2021-07-20/.
21. Reuter, 2021b. Total death toll in Germany due to floods rises above 100 - authorities.
https://www.reuters.com/world/europe/total-death-toll-germany-due-floods-rises-above-100- authorities-2021-07-16/.

* Tiến sĩ, Viện Nghiên cứu Phát triển bền vững Vùng, email: binhbq@hotmail.com
** Thạc sĩ, Viện Nghiên cứu Phát triển bền vững Vùng