Bằng cách kết hợp dữ liệu hạt lượng lớn từ thiết bị PIP của NASA và phương pháp học máy UMAP, các nhà nghiên cứu đã phân loại chín loại hình mưa tuyết khác nhau. Phương pháp phi tuyến giúp giảm 36% độ mơ hồ, hỗ trợ cải thiện dự báo thời tiết, hành trình đi lại và quản lý nguồn nước.
Điểm nổi bật:
- Các nhà nghiên cứu đã xác định chín loại hình mưa tuyết vượt ra ngoài mưa, tuyết và mưa đá.
- Thiết bị PIP của NASA thu thập 1,5 triệu phép đo hạt trong chín năm tại nhiều địa điểm.
- Mô hình phi tuyến UMAP giảm độ mơ hồ tới 36% so với phương pháp tuyến tính.
- Phân loại chính xác hỗ trợ cải thiện dự báo thời tiết và quản lý nguồn nước.
Mô hình thời tiết vẫn gặp khó khăn trong việc xử lý hàng triệu điểm dữ liệu liên quan đến dự đoán lượng mưa.
Credit: Deposit Photos
Hầu hết chúng ta thường nghĩ về lượng mưa dưới ba dạng: mưa, tuyết và mưa đá. Nhưng đối với các nhà khí tượng và nhà khoa học khí hậu, ba loại này là không đủ. Một nhóm các nhà nghiên cứu, bao gồm các kỹ sư của NASA, đã mất gần một thập kỷ phân tích dữ liệu thời tiết để tinh chỉnh các phân loại này. Sau khi sử dụng học máy để xử lý khối dữ liệu khổng lồ, nhóm đã đề xuất tổng cộng chín loại hình mưa tuyết khác nhau. Như họ giải thích trong một nghiên cứu mới công bố trên tạp chí Science Advances, họ không cố gắng làm phức tạp vấn đề mà hy vọng cứu sống nhiều người.
Đối với các nhà khí tượng, tuyết không chỉ xuất hiện khi nhiệt độ dưới điểm đóng băng. Tùy thuộc vào vi vật lý của lớp mây, cả mưa và tuyết đều có khả năng xảy ra khi nhiệt độ dao động từ 26,6 đến 41 độ F. Đây là một trong nhiều lý do khiến ngay cả các mô hình thời tiết đáng tin cậy nhất hiện nay cũng gặp khó khăn trong việc dự báo lượng mưa. Trong khi đó, các hệ thống vệ tinh giỏi theo dõi chuyển động của mây từ không gian, nhưng không mạnh trong việc giám sát điều kiện thực địa.
Trong nỗ lực cải thiện và củng cố dữ liệu hiện có cho các mô hình thời tiết, các nhà nghiên cứu tại Đại học Michigan đã hợp tác với NASA trong dự án nhiều năm này. Đầu tiên, họ lắp đặt một mảng camera đặc biệt do NASA phát triển, gọi là Precipitation Imaging Package (PIP), tại bảy vị trí chiến lược ở Hoa Kỳ, Canada và châu Âu. Khi hoạt động, PIP ghi lại bất kỳ loại lượng mưa nào xung quanh bằng camera tốc độ cao có đèn chiếu sáng mạnh, trong khi thiết bị disdrometer đo tốc độ và phân bố kích thước của các hạt lỏng rơi từ mây.
Sau chín năm, các nhà nghiên cứu đã thu thập khoảng 1,5 triệu phép đo hạt nhỏ, cũng như dữ liệu từ các trạm thời tiết mặt đất gồm nhiệt độ, điểm sương, độ ẩm tương đối, áp suất và tốc độ gió. Máy tính cơ bản không thể xử lý khối thông tin đó, vì vậy họ đã sử dụng phương pháp thống kê giảm chiều để đơn giản hóa dữ liệu và phát hiện các mẫu hình. Sau đó, họ xây dựng hai mô hình học máy dựa trên kỹ thuật này — một phiên bản tuyến tính thông thường đo các mối quan hệ trực tiếp giữa hạt và một phương án phi tuyến xét đến các mối quan hệ có điều kiện như cách các hạt tương tác và chuyển động tinh tế hơn.
Sau khi so sánh hai mô hình với dữ liệu thời tiết độc lập, phương pháp phi tuyến cho kết quả rõ ràng hơn. Nó không chỉ theo dõi các chuyển đổi hình thái lượng mưa phù hợp với dữ liệu radar, mà còn giảm độ mơ hồ tới 36% so với cách tiếp cận tuyến tính.
Sau một số tinh chỉnh cuối cùng, nhóm nghiên cứu đã công bố hệ thống Uniform Manifold Approximation and Projection, hay UMAP. Ngoài việc giảm độ phức tạp của dữ liệu, UMAP còn làm nổi bật ba yếu tố chính quyết định hình thái cuối cùng của lượng mưa: đặc tính hạt, cường độ và pha. UMAP cũng giúp hiểu rõ cách các loại mưa tuyết chuyển đổi lẫn nhau.
Vậy chín loại hình mưa tuyết kỹ thuật cần chú ý trong mùa thu và mùa đông này là gì? Theo các tác giả nghiên cứu, gồm:
- Mưa phùn — lượng mưa nhẹ, đều
- Mưa lớn — mưa với nhiều giọt nhỏ dày đặc
- Chuyển tiếp mưa nhẹ sang hỗn hợp — mưa đá nhẹ với hạt băng dày
- Chuyển tiếp mưa lớn sang hỗn hợp — mưa đá mạnh với hạt băng dày
- Pha hỗn hợp nhẹ — lượng nhỏ hạt bùn tuyết, một phần đóng băng
- Pha hỗn hợp mạnh — lượng lớn hạt bùn tuyết, một phần đóng băng
- Chuyển tiếp tuyết lớn sang hỗn hợp — bông tuyết lớn và hạt kết tụ
- Rơi tuyết nhẹ — tuyết nhẹ, xốp
- Rơi tuyết lớn — bão tuyết nặng, cường độ cao
Đối với nhà khoa học khí hậu Claire Pettersen thuộc Đại học Michigan và đồng tác giả nghiên cứu, UMAP mang lại lợi ích trước mắt và lâu dài.
“Trong ngắn hạn, dự báo tốt hơn có thể giúp mọi người điều chỉnh chuyến đi hàng ngày hoặc chuẩn bị cho những sự kiện lớn như lũ lụt hay bão đá,” bà phát biểu. “Trên quy mô dài hạn, nó có thể dự đoán cách tuyết tích trữ hoặc thời gian tan chảy sẽ thay đổi nguồn nước ngọt của một khu vực.”
Pettersen và các đồng nghiệp không muốn công trình của họ chỉ dành cho các nhà khoa học kinh nghiệm. Để làm cho lợi ích của UMAP dễ tiếp cận hơn, họ cũng đã phát hành một bản đồ tương tác để xem dữ liệu, cùng với một giao diện công khai thân thiện với người dùng.
“Quá trình hình thành lượng mưa rất phi tuyến. Nhiều yếu tố ảnh hưởng đến lượng mưa khi rơi xuống, tác động đến điều chúng ta trải nghiệm ở mặt đất,” Pettersen bổ sung.
Và nếu bạn thực sự muốn tìm hiểu sâu, tất cả đều có trên Deep Blue Data.
Ý tưởng và Tác động
Đột phá trong phân loại mưa tuyết bằng học máy không chỉ nâng cao chất lượng dự báo thời tiết mà còn mang lại lợi ích thiết thực cho các vùng chịu ảnh hưởng bởi thời tiết khắc nghiệt. Việc xác định chín loại hình mưa tuyết giúp chính quyền địa phương và các cơ quan ứng phó khẩn cấp có cơ sở khoa học để ra quyết định nhanh chóng và chính xác. Đồng thời, nông dân có thể lập kế hoạch gieo trồng và thu hoạch linh hoạt hơn, giảm thiểu rủi ro mùa màng. Hệ thống UMAP cũng góp phần quan trọng vào việc quản lý tài nguyên nước khi dự đoán chính xác lượng tuyết tích và tan chảy, đảm bảo cung cấp nước lâu dài cho sinh hoạt và công nghiệp. Đối với người dân Việt Nam, hiểu được sự biến đổi phức tạp của mưa tuyết và mưa kết tủa có thể mở rộng ứng dụng công nghệ tương tự cho các hiện tượng thời tiết nhiệt đới như mưa giông và bão.
