Tuy nhiên, mọi thứ đã đổi thay kể từ khi hệ thống cảnh báo sớm lũ quét được lắp đặt ở Hoàng Su Phì trong khuôn khổ dự án “Nghiên cứu xây dựng mô hình và hệ thống dự báo thời tiết tiểu vùng và cảnh báo nguy cơ lũ quét, cháy rừng và sâu bệnh nông nghiệp cấp huyện vùng Tây Bắc - KHCN-TB.13C/13-18” (2016-2019), do GS.TS. Nguyễn Ngọc Thạch (khoa Địa lý, trường ĐH Khoa học tự nhiên, ĐHQGHN) làm chủ nhiệm.

Tìm mô hình phù hợp với từng vùng

Dự án này bắt nguồn từ thực tế hiện nay Việt Nam đang thiếu công cụ phòng tránh lũ quét hiệu quả. Biện pháp phổ biến nhất hiện nay là sử dụng bản đồ nguy cơ lũ quét để phân chia các vùng có nguy cơ xảy ra lũ quét từ mức độ thấp đến cao theo khu vực hành chính để đưa ra cảnh báo hoặc phương án đối phó phù hợp khi có mưa bão.

Mặc dù được triển khai ở nhiều nơi nhưng trên thực tế, phần lớn bản đồ nguy cơ lũ quét ở Việt Nam vẫn chưa phát huy hiệu quả như mong đợi. Nguyên nhân là do phần lớn các bản đồ có quy mô rất lớn, trong khi đó, việc phòng tránh lũ quét đòi hỏi bản đồ càng chi tiết, cụ thể cho từng địa phương càng tốt. Nếu không, sẽ rơi vào tình trạng “có những nơi vùng nguy cơ lũ quét cao chiếm đến 1/3 tỉnh, như thế người dân biết chạy đi đâu?”, ông nhận xét. Thực trạng trên đã thúc đẩy nhóm nghiên cứu lập ra một bản đồ nguy cơ lũ quét chi tiết hơn, “tới mức độ từng thôn xóm, ông chủ tịch xã nhìn vào đó có thể biết được chỗ này nằm ở đâu” để đưa ra phương án phòng tránh phù hợp khi có lũ quét.

Yếu tố quan trọng nhất quyết định đến độ chi tiết và chính xác của bản đồ nguy cơ lũ quét là mô hình/hàm tính nguy cơ lũ quét. Việc xây dựng công thức tính không phải là vấn đề nan giải với một nhà nghiên cứu đã có nhiều năm kinh nghiệm trong lĩnh vực quản lý thiên tai như GS.TS. Nguyễn Ngọc Thạch. Để khắc phục hạn chế của các bản đồ nguy cơ lũ quét truyền thống, nhóm nghiên cứu đã phát triển công thức tính nguy cơ lũ quét với 8 thông số thay vì 3-4 thông số như các công thức cũ: (1) lượng mưa cực đại nhiều năm; (2) chỉ số ẩm ướt địa hình; (3) độ dốc trung bình tiểu lưu vực; (4) mật độ điểm trượt lở đất; (5) địa mạo; (6) đất; (7) rừng; (8) mật độ sông suối, với các trọng số khác nhau. Là kết quả “sau rất nhiều năm tích lũy và thử nghiệm rất nhiều lần”, mô hình tính nguy cơ lũ quét do nhóm nghiên cứu phát triển có thể ứng dụng với nhiều địa phương khác nhau.

Tuy nhiên, việc đi từ mô hình lý thuyết đến sản phẩm thực tế là một con đường không hề dễ dàng. Để áp dụng mô hình để tính nguy cơ lũ quét cho địa phương cụ thể, chẳng hạn như Hoàng Su Phì, nhóm nghiên cứu phải thu thập dữ liệu riêng (gồm 8 thông số trên) cho từng vùng. Quá trình này hết sức quan trọng bởi “độ chính xác của bản đồ phụ thuộc vào chất lượng của 8 lớp thông tin đầu vào”, GS.TS. Nguyễn Ngọc Thạch cho biết. Bên cạnh một số cơ sở dữ liệu sẵn có, nhiều dữ liệu nhóm nghiên cứu phải đến tận nơi để khảo sát. Ví dụ, để có được thông tin về lượng mưa cực đại nhiều năm ở một lưu vực sông, “chúng tôi điều tra các trận mưa trong quá khứ, từ năm ngoái năm kia cho đến thời điểm cách đây vài chục năm, hồi cứu lại số liệu lịch sử, sau đó kiểm chứng lại với bà con sống ở đó nữa thì mới xác định được. Có trường hợp, những người già ở đó chỉ nhớ mang máng lúc đó mưa rất to chứ không có số liệu chi tiết thì chúng tôi phải tìm cách, chẳng hạn trên Hoàng Su Phì có một cây cầu, chúng tôi hỏi họ là mực nước lúc đó tới đâu thì mới dò tìm ngược trở lại”, ông kể lại. “Đây là công đoạn phức tạp và tốn nhiều thời gian nhất, có lúc chúng tôi phải huy động của sinh viên cùng làm”.

Việc có được bản đồ nguy cơ chỉ là bước đầu của bài toán cảnh báo sớm lũ quét. “Bản đồ lũ quét sẽ chỉ ra nguy cơ lũ quét của các vùng. Tuy nhiên, nguy cơ không có nghĩa là lúc nào cũng nguy hiểm. Chẳng hạn bà con nằm trong vùng nguy cơ, nhưng hôm nay không mưa, hoặc mưa chưa đến ngưỡng gây ra lũ quét thì vẫn an toàn. Vậy làm thế nào để người dân biết được khi nào mưa đã đến ngưỡng gây lũ quét?

Để giải quyết vấn đề này, nhóm nghiên cứu đã phối hợp với một công ty về giải pháp thời tiết là WeatherPlus để lắp đặt các trạm quan trắc khí tượng tự động IMETOS (Intelligent Meteological Station) do công ty Pessl Instrument (Áo) - một trong những công ty lớn nhất thế giới về giải pháp thời tiết trên thế giới sản xuất, kết hợp với mô hình do nhóm nghiên cứu phát triển để tạo thành hệ thống cảnh báo sớm lũ quét.

Điểm nổi bật nhất của trạm quan trắc tự động IMETOS là vận hành đơn giản và tiết kiệm chi phí; chạy hoàn toàn tự động bằng năng lượng Mặt trời; có độ bền và độ linh hoạt cao, có thể lắp đặt ở nhiều địa hình khác nhau. Mặc dù việc lắp đặt ban đầu đòi hỏi một khoản kinh phí khoảng vài chục đến vài trăm triệu - con số không nhỏ với các địa phương có điều kiện kinh tế còn khó khăn, song “nếu so với thiệt hại lũ quét gây ra, việc đầu tư hệ thống này cũng không đáng bao nhiêu cả”, ông nhận xét.

Hiệu quả của hệ thống đã được chứng minh trong quá trình ứng dụng ở Hoàng Su Phì, “người dân ở đó rất thích hệ thống này”, nhóm nghiên cứu cho biết. Điều này cũng giúp họ thêm tự tin về triển vọng mở rộng ứng dụng ở nhiều địa phương: “Vừa rồi lãnh đạo tỉnh Quảng Nam cũng liên hệ với chúng tôi để bàn về việc áp dụng ở đó”, GS.TS. Nguyễn Ngọc Thạch kể lại.

Để tránh việc kết thúc đề tài xong mô hình bị “bỏ không”, nhóm nghiên cứu vẫn tiếp tục đồng hành cùng với các địa phương trong quá trình sử dụng. “Tôi ở Hà Nội vẫn có thể theo dõi trạm trên Hà Giang có hoạt động hay không, có lỗi gì là biết ngay. Vừa rồi có bão đổ sập một trạm chúng tôi cũng phải lên sửa ngay. Công ty cũng rất có trách nhiệm, họ phối hợp với mình để sửa đến nơi đến chốn”, GS.TS. Nguyễn Ngọc Thạch cho biết.

Kết hợp với nghiên cứu và đào tạo

Thông thường, việc thực hiện các đề tài “địa phương” tập trung vào sản phẩm ứng dụng chứ không kỳ vọng nhiều vào công bố quốc tế. Tuy nhiên, đề tài này dường như là một ngoại lệ. “Thông qua đề tài này, chúng tôi đã đào tạo được khoảng năm nghiên cứu sinh theo các hướng khác nhau, cảnh báo lũ quét, cháy rừng, sâu bệnh,... trong đó bốn người đã bảo vệ rồi. Bài báo quốc tế thì có khoảng 4-5 bài”, GS.TS. Nguyễn Ngọc Thạch cho biết.

Việc bám sát nghiên cứu và đào tạo nhân lực là yếu tố quan trọng để phát triển các hướng ứng dụng cảnh báo sớm tai biến tự nhiên ở Việt Nam. Ngoài hướng cảnh báo sớm lũ quét, nhóm nghiên cứu vẫn đang tiếp tục phát triển mô hình cảnh báo sâu bệnh và cháy rừng dựa trên các thông tin dự báo thời tiết từ trạm quan trắc khí tượng tự động IMETOS. “Bên Cục Bảo vật thực vật (Bộ NN&PTNT) và một số đơn vị bên phòng chống cháy rừng cũng rất quan tâm đến các hệ thống này”, ông cho biết.