Nghiên cứu cơ sở khoa học và thực tiễn công nghệ dự báo tác động của hiểm họa xâm nhập mặn

Chia sẻ: Phó Cửu Vân | Ngày: | Loại File: PDF | Số trang:13

Thêm vào BST

Báo xấu

11
lượt xem 1
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết "Nghiên cứu cơ sở khoa học và thực tiễn công nghệ dự báo tác động của hiểm họa xâm nhập mặn" tập trung nghiên cứu cơ sở khoa học và thực tiễn các phương pháp dự báo tác động, xác định và đánh giá các đối tượng chịu tác động của thiên tai nói chung và thiên tai xâm nhập mặn nói riêng. Bài báo đưa ra một số khái niệm, định nghĩa liên quan đến hiểm họa xâm nhập mặn, đồng thời bài báo cũng bước đầu đưa ra cơ sở khoa học và thực tiễn một số phương pháp để xác định và đánh giá dự báo tác động của các loại hình thiên tai khí tượng thủy văn, trong đó có thiên tai xâm nhập mặn. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Nghiên cứu cơ sở khoa học và thực tiễn công nghệ dự báo tác động của hiểm họa xâm nhập mặn

NGHIÊN CỨU CƠ SỞ KHOA HỌC VÀ THỰC TIỄN CÔNG NGHỆ DỰ BÁO TÁC ĐỘNG CỦA HIỂM HỌA XÂM NHẬP MẶN Lê Thị Thường, Trương Vân Anh Trường Đại học Tài nguyên và Môi trường Hà Nội Tóm tắt Bài báo tập trung nghiên cứu cơ sở khoa học và thực tiễn các phương pháp dự báo tác động, xác định và đánh giá các đối tượng chịu tác động của thiên tai nói chung và thiên tai xâm nhập mặn nói riêng. Bài báo đưa ra một số khái niệm, định nghĩa liên quan đến hiểm họa xâm nhập mặn, đồng thời bài báo cũng bước đầu đưa ra cơ sở khoa học và thực tiễn một số phương pháp để xác định và đánh giá dự báo tác động của các loại hình thiên tai khí tượng thủy văn, trong đó có thiên tai xâm nhập mặn. Bài báo cũng đưa ra thực trạng công nghệ dự báo tác động tại Việt Nam và khả năng áp dụng. Từ khóa: Dự báo tác động; Xâm nhập mặn; Thiên tai. Abstract Research on the scientific and practical basis of technology for forecasting the impacts of hazardous introduction The paper focuses on researching the scientific and practical basis of impact forecasting methods, identifying and evaluating objects affected by natural disasters in general and saline intrusion disasters in particular. Provides some concepts and definitions related to the hazards of saltwater intrusion, and at the same time, the paper also initially provides a scientific and practical basis for a number of methods to identify and predict the impacts of these hazards. types of hydrometeorological disasters, including saltwater intrusion. The paper also presents the current state of impact forecasting technology in Vietnam and its applicability. Keywords: Impact forecast; Saline intrusion; Disaster. 1. Mở đầu Biến đổi khí hậu (BĐKH) đã có những tác động đến kinh tế - xã hội và môi trường của tất cả các quốc gia trên thế giới. Tác động của BĐKH ngày càng thể hiện rõ nét trong những năm gần đây. BĐKH đã làm gia tăng tần suất cũng như cường độ của thiên tai. Các tác động của BĐKH như nước biển dâng, lũ lụt, hạn hán, thời tiết cực đoan, đặc biệt là xâm nhập mặn,... đang hiện hữu ngày càng nhiều hơn, rõ rệt hơn, gây thiệt hại đáng kể đến kinh tế nông nghiệp, gây ảnh hưởng nặng nề đến đời sống nhân dân và sự phát triển kinh tế - xã hội; Gây ra sự thiếu hụt nước cho các hoạt động sinh hoạt, sản xuất của người dân. Xâm nhập mặn (XNM) khiến nhiều diện tích lúa, cây ăn quả, canh tác thuỷ sản bị thiệt hại; Nước mặn phá huỷ cấu trúc đất, giảm khả năng phát triển của rễ cây, giảm khả năng thẩm thấu và thoát nước trong đất, gây thiếu khí cho sự phát triển của bộ rễ. Ngày nay, việc dự báo các hiện tượng thiên tai ở Việt Nam đang theo hướng tiếp cận công nghệ dự báo dựa trên tác động của các loại thiên tai, thể hiện rõ được những ưu điểm của công nghệ dự báo tác động so với dự báo truyền thống. Điều này có thể nhận thấy nghiên cứu cơ sở khoa học và thực tiễn dự báo tác động hiểm họa XNM là cấp thiết. Thuật ngữ được sử dụng trong báo cáo này được hiểu theo định nghĩa của [1]. - Dự báo hiểm họa (hazard forecast): Là dự báo về cường độ, độ lớn, thời gian xuất hiện của các hiện tượng cực đoan, trong trường hợp này là hiện tượng khí tượng thủy văn (KTTV) cực đoan. Riêng đối với bài toán dự báo dựa trên tác động thì ngoài việc dự báo cường độ, phạm vi Hội thảo Khoa học Quốc gia 2023 357
của hiểm họa thì còn là dự báo xác suất xảy ra các mức cường độ, phạm vi khác nhau, qua đó đánh giá khả năng xảy ra (likelihood) và mức độ tác động (impacts) của hiểm họa đối với các đối tượng chịu phơi lộ khác nhau. - Dự báo tác động (impact forecast): Dự báo quy mô, mức độ các tác động của hiểm họa đến con người, cộng đồng, kinh tế - xã hội và môi trường. - Dự báo dựa vào tác động (impact based forecast): Các thông tin, bản tin dự báo, cảnh báo hiểm họa sẽ đi kèm các thông tin khuyến cáo về mức độ, quy mô tác động tiềm ẩn mà hiểm họa đó có thể gây ra cho vùng chịu ảnh hưởng, cho các đối tượng kinh tế - xã hội khác nhau. Ngày nay, dưới tác động của BĐKH, các hiện tượng KTTV cực đoan có diễn biến ngày càng phức tạp, gây ra những thiệt hại lớn về người và của [2]. Trong bối cảnh đó, vận hành một hệ thống cảnh báo sớm có hiệu quả đã và đang giúp các cộng đồng chịu tác động có thời gian chuẩn bị để có thể ứng phó và giảm thiểu tối đa thiệt hại do thiên tai gây ra [3]. Để làm được điều đó dự báo KTTV giữ vai trò then chốt và không thể thay thế được. Trong những năm gần đây, Tổ chức Khí tượng Thế giới (WMO) khuyến nghị các nhà dự báo KTTV nên triển khai nghiệp vụ theo định hướng chuyển hệ thống cảnh báo sớm thành các dịch vụ dự báo và cảnh báo tác động [4], nghĩa là trực tiếp đưa đến các bên liên quan những thông tin không chỉ về cấp độ hiểm họa có thể xảy ra mà cả những tác động mà nó có thể gây ra cho cộng đồng, môi trường và kinh tế - xã hội của vùng bị ảnh hưởng. Và hướng tác nghiệp này đã và đang mang lại những lợi ích lớn cho cộng đồng và kinh tế - xã hội các vùng miền chịu tác động của thiên tai [5, 6]. Hiện nay, dự báo tác động đang là phương pháp tiếp cận được nhiều nước trên thế giới sử dụng trong dự báo các loại hình thiên tai khác nhau. Với cách tiếp cận này theo hướng dẫn của Tổ chức Khí tượng Thế giới cho thấy sự dịch chuyển từ việc dự báo hiểm họa đó xảy ra như nào sang dự báo với hiểm họa đó thì chúng ta cần phải làm gì. Theo cách tiếp cận này đã có nhiều nghiên cứu trên thế giới, tiêu biểu như: Tài liệu “Tương lai của dự báo - Dự báo sớm dựa vào tác động” đã tổng kết: Cứ 1-2 ngày lại xảy ra một thảm họa liên quan đến thời tiết hoặc khí hậu và BĐKH ngày càng đưa ra những lo ngại về quy mô và tần suất. Tài liệu đưa ra các hướng dẫn để xây dựng hệ thống dự báo sớm dựa vào tác động với một số trường hợp nghiên cứu điển hình tại: Nam Phi, Anh, Mongolia, Canada [7]. Trong “Hướng dẫn hệ thống cảnh báo sớm tác động đa hiểm họa” của WMO (2015) đã đưa ra hướng dẫn xây dựng hệ thống cảnh sớm, báo tác động đa thiên tai dựa trên việc thu hẹp khoảng cách giữa dự báo các yếu tố thời tiết với hậu quả mà tác động các hiểm họa đó có khả năng gây ra. Hướng dẫn bao gồm nhiều ví dụ được đưa ra giúp minh họa bản chất và những thay đổi của các yếu tố khí hậu cực đoan, cách tiếp cận khả thi với hệ thống cảnh báo sớm tác động hiểm họa [8]. Quan điểm từ nhà quản lý thời tiết và lũ lụt, Sally Potter và cộng sự (2021) trong nghiên cứu “Lợi ích và thách thức của việc triển khai hệ thống cảnh báo hiểm họa thời tiết dựa vào tác động” đã nhận định cảnh báo về các mối nguy hiểm sắp xảy ra giúp giảm thiểu các tác động và giảm rủi ro của hiểm họa thông qua việc đưa ra các phản ứng ứng phó kịp thời. Nhiều cơ quan KTTV đang hướng tới các hệ thống dự báo và cảnh báo dựa trên tác động (IBFW), theo khuyến khích của Tổ chức Khí tượng Thế giới. Nghiên cứu cho rằng IBFW có thể được thiết kế cho từng thành viên của cộng đồng, tập trung nhiều hơn vào việc tìm hiểu khả năng dễ bị tổn thương, đồng thời cần thu thập và lưu trữ nhiều dữ liệu tác động hơn để đưa ra các cảnh báo trong tương lai. Tăng cường phối hợp liên ngành sẽ hỗ trợ quá trình ra quyết định nhanh chóng và sự thành công của IBFW [9]. 358 Hội thảo Khoa học Quốc gia 2023
Nghiên cứu xây dựng mô hình cảnh báo sớm hiểm họa nhiễm mặn đất, Wanwan Li và cộng sự (2020) giới thiệu việc lựa chọn các yếu tố đánh giá mô hình cảnh báo nguy cơ XNM của đất và cách tính trọng số của các yếu tố. Nghiên cứu đã sử dụng mô hình thần kinh BP tối ưu mờ để dự đoán mức độ phát triển của quá trình nhiễm mặn đất trong tương lai, điều này có thể làm giảm tác động đến các thảm họa nhiễm mặn đất một cách hiệu quả [10]. Một số yếu tố thời tiết có liên quan đến XNM và BĐKH, tác động và giải pháp ứng phó của người dân; Khả năng nuôi một số loài thuỷ sản kinh tế quan trọng trong điều kiện XNM qua đó đề xuất giải pháp góp phần giảm thiểu rủi ro và thích ứng với XNM và BĐKH, thời tiết cho nuôi trồng thuỷ sản [11]. Ảnh hưởng của XNM đến sản xuất nông nghiệp, chủ yếu đến lúa 2 vụ, thuỷ sản huyện Trần Đề, tỉnh Sóc Trăng thông quan sử dụng phương pháp phỏng vấn nông hộ (sản xuất lúa và nuôi tôm) và chính quyền địa phương [12]. Việc nghiên cứu đánh giá XNM bằng việc sử dụng số liệu KTTV và ứng dụng mô hình mô phỏng thuỷ lực và khuếch tán mặn trên hệ thống Sông Hồng - Thái Bình đánh giá khả năng XNM đến từng xã vùng ven biển Nam Định và Thái Bình từ đó biên tập bản đồ hiểm họa XNM tương ứng [13]. Đánh giá XNM phục vụ cấp nước sản xuất nông nghiệp vụ Đông Xuân vùng ven biển đồng bằng Sông Hồng dưới tác động của BĐKH [14]. Dựa trên cách tiếp cận đánh giá của Uỷ ban Liên Chính phủ về BĐKH (IPCC) khi đánh giá rủi ro thông qua hiểm họa và tính dễ bị tổn thương trong nghiên cứu của Lê Văn Tuân và cộng sự (2021) cho thấy: Khoảng cách XNM lớn nhất của độ mặn 1 ‰ và 4 ‰ được sử dụng để tính toán tính dễ bị tổn thương. Kết quả chỉ ra rằng hiểm họa, tính dễ bị tổn thương và rủi ro XNM ở mức cao xuất hiện ở các tỉnh ven biển. Đặc biệt là các tỉnh như Kiên Giang, Cà Mau, Sóc Trăng và Trà Vinh [15]. Tại Bến Tre mô hình chăn nuôi và lúa - tôm là hai mô hình chịu ảnh hưởng nhiều nhất từ XNM. Các mô hình chuyên tôm, làm muối không bị ảnh hưởng nhiều, do đó có thể thấy các mô hình này sẽ thích hợp canh tác trong điều kiện mặn kéo dài hơn so với các mô hình còn lại [16]; Hay XNM ảnh hưởng đến sinh trưởng của lúa khiến hơn 3 nghìn ha lúa mất trắng và ảnh hưởng đến hơn 60 % lợi nhuận do lúa lép hạt, giảm năng suất [17]. Phạm Ngọc Hoài và cộng sự (2021) trong nghiên cứu “Áp dụng thuật toán học máy để dự báo độ mặn trên sông Hàm Luông, tỉnh Bến Tre”, đánh giá khả năng áp dụng một số thuật toán học máy trong dự báo độ mặn trên sông Hàm Luông, tỉnh Bến Tre. Dữ liệu độ mặn sử dụng từ năm 2012 đến 2020. Mỗi năm đo đạc trong 23 tuần mùa khô, từ tháng 01 đến tháng 6. Các chỉ số thống kê như hệ số Nash - Sutcliffe Efficiency (NSE), Sai số bình phương trung bình (Root Mean Squared Error - RMSE), Sai số tuyệt đối trung bình (Mean Absolute Error - MAE), được sử dụng để đánh giá tính chính xác của thuật toán dự báo. Kết quả cho thấy thuật toán mạng nơron nhân tạo dự báo độ mặn tốt nhất trong 3 thuật toán, với NSE = 0,907; RMSE = 0,11; MAE = 0,08 cho tập huấn luyện, NSE = 0,842; RMSE = 1,16; MAE = 0,11 cho tập kiểm tra. Thuật toán mạng nơron nhân tạo hiệu quả trong dự báo mặn trên sông Hàm Luông, tỉnh Bến Tre [18]. 2. Cơ sở khoa học và thực tiễn công nghệ dự báo tác động hiểm họa xâm nhập mặn 2.1. Khái quát chung về dự báo dựa trên tác động Theo Tổ chức Khí tương thế giới: Dự báo dựa trên tác động là một cách tiếp cận có cấu trúc để kết hợp dữ liệu về hiểm họa, mức độ phơi nhiễm và tính dễ bị tổn thương nhằm xác định rủi ro và hỗ trợ quá trình ra quyết định, với mục tiêu cuối cùng là khuyến khích hành động sớm nhằm giảm thiệt hại và thiệt hại về người do các hiểm họa tự nhiên. Theo truyền thống, các chính phủ đã sử dụng các cảnh báo tập trung vào nguy hiểm để truyền đạt các điều kiện thời tiết khắc nghiệt Hội thảo Khoa học Quốc gia 2023 359
sắp xảy ra. Tuy nhiên, mặc dù việc cung cấp thông tin chính xác về mặt khoa học là rất quan trọng, nhưng điều quan trọng là phải truyền đạt những gì mọi người cần biết để ứng phó hiệu quả với các rủi ro thiên tai. Điều này cho thấy cần phải truyền đạt những hậu quả tiềm ẩn cụ thể và có liên quan đối với bối cảnh địa phương, không chỉ vì mục đích chung mà còn cho các ngành và cơ quan khác nhau. Dự báo dựa trên tác động cho phép các hành động dự đoán và giải quyết vấn đề ứng phó với khủng hoảng thời tiết và khí hậu: Chuyển các dự báo và cảnh báo với nội dung mô tả về tình hình thời tiết thành các đánh giá về tình hình thời tiết đó có thể gây ra những tác động gì đến kinh tế - xã hội sẽ giúp các tổ chức và cá nhân trên toàn thế giới có thể dự đoán những tác động tiềm tàng và chủ động hành động để giảm thiểu tác động do các hiện tượng thời tiết và khí hậu gây ra. Dự báo dựa vào tác động hiểm họa XNM là những dự báo đưa ra những tác động của XNM có khả năng gây ra với các đối tượng chịu tác động trong khu vực nghiên cứu, ví dụ như vùng nghiên cứu là vùng sản xuất nông nghiệp thì hệ thống sẽ đưa ra dự báo mùa cạn năm tiếp theo có khả năng độ mặn 4 % xâm nhập vào đến khu vực nào, khả năng thiệt hại cho sản xuất nông nghiệp là bao nhiêu, từ đó đưa ra các giải pháp ứng phó kịp thời như chuyển dịch cơ cấu cây trồng, tăng khả năng thích ứng với độ mặn dự báo trong khu vực đó. Từ tổng quan các công trình nghiên cứu trong và ngoài nước cho thấy: Rủi ro thiên tai đã và đang được các nhà khoa học quan tâm theo hướng tiếp cận thông quan hiểm họa, tính dễ bị tổn thương và khả năng thích ứng của cộng đồng trước thiên tai. Vấn đề về cảnh báo, dự báo tác động của các loại hình thiên tai KTTV chưa được đề cập nhiều. Vì vậy, việc nghiên cứu cơ sở khoa học và phương pháp tiếp cận của dự báo dựa trên tác động là thực sự cần thiết. 2.2. Cơ sở khoa học, thực tiễn và phương pháp tiếp cận 2.2.1. Phương pháp tiếp cận Hình 1: Mối quan hệ giữa các thành phần của một hệ thống dự báo tác động theo đề xuất của WMO Cách tiếp cận theo hướng dẫn của WMO bắt đầu bằng việc tạo dự báo thời tiết đầu tiên. Sau đó, các ngưỡng cho các cấp độ hiểm họa (ví dụ: lũ lụt, XNM) cần được xác định cho các đối tượng 360 Hội thảo Khoa học Quốc gia 2023
có khả năng chịu ảnh hưởng bởi hiểm họa đó. Kết hợp giữa các dự báo và ngưỡng hiểm họa sẽ được xem xét cùng với các yếu tố về mức độ phơi bày và tính dễ bị tổn thương của các đối tượng chịu tác động để tạo ra các dự báo tác động. Theo hướng dẫn về cảnh báo và dự báo tác động từ WMO [18], có 3 loại mô hình tổ chức dự báo bao gồm: i) Dự báo thời tiết truyền thống, chỉ bao gồm những thông tin về hiểm họa (các hiện tượng thời tiết cực đoan) có thể xảy ra; ii) Dự báo và cảnh báo dựa vào tác động bao gồm cả thông tin về hiểm họa và tính dễ bị tổn thương của các đối tượng bị tác động trước hiện tượng cực đoan đó và iii) Dự báo và cảnh báo tác động sẽ bao gồm các thông tin về hiểm họa, tính dễ bị tổn thương và mức độ phơi lộ (của các đối tượng bị tác động) trước thiên tai. Trong hướng dẫn này, WMO đưa ra một mô hình dự báo tác động được thể hiện ở Hình 1. Theo mô hình này, có 3 cách để tính toán một đánh giá tác động của một hiểm họa cụ thể: (1) Theo các mũi tên nét liền trình bày cách tiếp cận mà mỗi thành phần của hệ thống được tính toán rõ ràng. Để làm được điều này, cần có dữ liệu chi tiết về tính dễ bị tổn thương và mức độ phơi lộ, dữ liệu được lấy từ địa phương, bộ, ban, ngành khác nhau; (2) Mũi tên màu cam đứt đoạn liên quan đến một cách tiếp cận chủ quan hơn, trong đó thông tin định tính về tác động của hiểm họa được thu thập từ kinh nghiệm của các chuyên gia từ các lĩnh vực KTTV, phòng chống thiên tai. Thông tin này thể hiện tổng hợp kinh nghiệm của họ và cho phép ước tính tác động trực tiếp từ cường độ của hiểm họa; (3) Các mũi tên màu đỏ thể hiện một cách tiếp cận truyền thống hơn, theo đó cường độ của tác động có thể được liên hệ đến cường độ của hiểm họa KTTV dựa trên kinh nghiệm của các cán bộ KTTV, cán bộ phòng chống thiên tai và chính quyền địa phương. Cách tiếp cận này có thể giúp xác định và giảm thiểu rủi ro, nhưng không tính đến mức độ phơi lộ hoặc tính dễ bị tổn thương, mà chỉ tính đến mức độ của chính hiểm họa khí tượng trong quá khứ, các thiệt hại đã xảy ra khi có trường hợp tương tự xảy ra trong quá khứ. Hướng dẫn của WMO về dự báo tác động cũng khuyến nghị sử dụng ma trận rủi ro kết hợp tác động với khả năng xảy ra hiểm họa được đề xuất bởi Met-UK3 như thể hiện ở Hình 2. Theo đó, rủi ro trong mỗi đợt thiên tai sẽ được đánh giá hàng ngày, mỗi phiên dự báo và cho các thời hạn dự báo khác nhau. Hai thông tin cần thiết để đánh giá rủi ro thiên tai trong thực tế bao gồm: (1) Tổng hợp mức độ tác động của các hiểm họa (ví dụ gió mạnh cấp 8, mưa lớn 100 mm/ngày) đối với con người và các lĩnh vực kinh tế - xã hội; (2) Khả năng xuất hiện của các hiểm họa đó tính theo phần trăm (%) hoặc theo các mức khả năng rất thấp, thấp, trung bình và cao. Vị trí dấu “X” trong Hình 2 là giao điểm của mức độ tác động trung bình và khả năng xảy ra thấp. Tại đây mức độ rủi ro là màu vàng tức là “Nhận biết - Be Aware” tức là cộng đồng, người dân cần cẩn trọng, nhận biết các dấu hiệu xảy ra thiên tai xung quanh khu vực sinh sống để sẵn sàng lên mức cao hơn “Chuẩn bị” ứng phó. Và khi mức độ rủi ro lên màu đỏ “Hành động” thì là lúc phải thực hiện ngay các hành động ứng phó với thiên tai. Các ma trận rủi ro này là sản phẩm của sự phối hợp, hợp tác xây dựng và thống nhất trước giữa cơ quan dự báo KTTV, cơ quan phòng chống thiên tai. Khi có thiên tai xảy ra, các cơ quan dự báo và phòng chống thiên tai có thể đưa ra các khuyến cáo hành động và tuyên truyền cho người dân trên các phương tiện thông tin đại chúng để có hành động phù hợp, kịp thời hàng ngày, hàng giờ căn cứ trên các thông tin dự báo hiểm họa và dự báo tác động của cơ quan dự báo KTTV và phòng chống thiên tai. Hội thảo Khoa học Quốc gia 2023 361
Hình 2: Ma trận rủi ro theo khuyến nghị của WMO Lợi ích của hệ thống cảnh báo dựa trên quản lý rủi ro này là hiệu quả và hiệu suất cảnh báo đều tăng cao cả về số lượng cảnh báo và thời gian ứng phó tiết kiệm được lên đến 50 %. Trong tương lai, họ muốn cải thiện hệ thống theo hướng tạo một nền tảng dữ liệu lớn (Big data) có thể truy cập dữ liệu liên ngành và một hệ thống quan trắc và dự báo thời tiết thông minh giúp cải thiện hơn nữa hiệu quả của hệ thống cảnh báo tác động hiện tại. 2.2.2. Cở sở khoa học và thực tiễn của dự báo tác động thiên tai xâm nhập mặn Theo cách tiếp cận của WMO và hướng dẫn từ các báo cáo của WorldBank, các bước để tiến hành thiết lập một hệ thống cảnh báo, dự báo XNM dựa vào tác động sẽ bao gồm các bước như sau: • Bước 1. Xây dựng ma trận rủi ro: Như trình bày ở Hình 2, ma trận rủi ro thể hiện tác động tiềm tàng trước mối hiểm họa XNM. • Bước 2. Xác định các hiện tượng cực đoan và hiểm họa: Bước này yêu cầu xác định tất cả các hiểm họa tự nhiên có thể xuất hiện trên phạm vi vùng nghiên cứu bao gồm cả các hiểm họa cấp 1, cấp 2 và cấp 3. Ví dụ trong mùa cạn, khi dòng chảy từ thượng lưu về ít, hiện tượng nước biển dâng sẽ gây ra hiểm họa XNM; Hiện tượng xoáy thuận nhiệt đới sẽ gây ra các loại hình hiểm họa cấp 1 như mưa lớn, gió mạnh, giông bão. Mưa lớn sẽ gây ra 2 loại hình hiểm họa cấp 2 bao gồm lũ và sạt lở đất, gió lớn gây ra hiện tượng nước dâng vùng ven biển và giông lốc có thể gây nên hiểm họa sét. Như vậy, cần chú ý ở đây một hiện tượng thời tiết cực đoan có thể gây ra nhiều loại hiểm họa khác nhau. • Bước 3. Đánh giá tính dễ bị tổn thương liên quan đến XNM. Bước này có thể tách ra thành 2 bước nhỏ: i) Xác định các đối tượng chịu tác động (phơi lộ) và đánh giá tính dễ bị tổn thương của các đối tượng này trước thiên tai XNM. Kết quả của bước này sẽ là đầu vào cho bước 4. • Bước 4. Xây dựng bảng tác động. Bảng này cần được xây dựng cho mỗi ngành chịu tác động của XNM (trồng trọt, chăn nuôi, nuôi trồng thủy hải sản). Nó yêu cầu có đủ kiến thức về hiểm họa và về các tác động tiềm tàng của nó lên mỗi ngành. • Bước 5. Xây dựng bảng khuyến nghị, bước này cung cấp các thông tin khuyến nghị về các hành động cần thực hiện để ứng phó với thiên tai XNM. Những thông tin này sẽ được đưa ra cho các nhu cầu cụ thể của mỗi nhóm đối tượng chịu tác động. Như vậy, quá trình xác định các tác động tiềm tàng của hiểm họa có thể sử dụng các mô hình để định lượng các ngưỡng tác động, ví dụ như mô hình mô phỏng XNM xác định được ngưỡng mặn ảnh hưởng đến cây trồng, hoa màu, thủy sản,… 362 Hội thảo Khoa học Quốc gia 2023
Phương pháp dự báo dựa trên tác động của thiên tai XNM cần dựa trên các thành phần bao gồm: Các lớp dữ liệu đầu vào với các thông tin về hiểm họa, mức độ phơi nhiễm và tính dễ bị tổn thương được thu thập và kết hợp. Mỗi lớp dữ liệu phải ở định dạng GIS và thường bao gồm các bản đồ phạm vi vị trí khu vực nghiên cứu hoặc sự phân bố của các đối tượng (mức độ phơi nhiễm) cũng như thông tin về trạng thái, đặc điểm của các đối tượng chịu tác động (tình trạng dễ bị tổn thương) của XNM. Bằng cách xếp chồng các lớp dữ liệu này và xác định các vị trí nơi các mối nguy giao nhau với các vị trí cập nhật của các đối tượng dễ bị tổn thương, người dùng có thể xác định các mức độ tác động của thiên tai XNM mà sau đó có thể được nhắm mục tiêu cho các biện pháp giám sát và phòng ngừa có khả năng giảm thiểu đáng kể thiệt hại và tổn thất. Hiểm họa xâm nhập mặn: Để xác định được mức độ của XNM thì các thông tin đầu vào cần được thu thập, bao gồm: Dữ liệu về thời gian (Thông tin về số liệu đo mặn quan trắc, dữ liệu về thủy lực); Dữ liệu không gian (DEM, bản đồ địa hình, bản đồ hành chính) nhằm mục đích xây dựng bản đồ nguy cơ hiểm họa. Sau đó sử dụng các mô hình thủy văn, thủy lực để xác định mức độ lan truyền mặn từ biển vào trong sông, kết quả về mức độ hiểm họa được thể hiện bằng bản đồ thông qua các phân khu sử dụng nước (Hình 3). Hình 3: Quá trình mô phỏng và xác định hiểm họa xâm nhập mặn Mức độ hiểm họa XNM cho mọi khu vực (sử dụng nước) được xác định tùy thuộc vào khoảng thời gian tương ứng với lưu lượng tham chiếu (QS) từ đường cong duy trì lưu lượng của các năm ít nước điển hình, được xây dựng cho các điều kiện biên trên. Nếu một đoạn rất gần biển thì thời gian này cao (nước thường hoặc luôn luôn bị nhiễm mặn). Nếu đoạn càng xa biển thì thời gian này càng thấp (chỉ những lưu lượng nhỏ trên sông thì XNM mới đến vị trí này). Bảng 1 cho phép xác định nguy cơ đối với mỗi loại hình sử dụng nước. Mức độ hiểm họa được liên kết với tất cả các khu vực có thể được phục vụ (tưới tiêu) bởi mỗi lần lấy nước. Hội thảo Khoa học Quốc gia 2023 363
Bảng 1. Phân loại hiểm họa xâm nhập mặn Lưu lượng tham chiếu Qs Mức độ hiểm họa (tương ứng 75 % nhu cầu dùng nước) Không hiểm họa Mặn chưa bao giờ xâm nhập đến vị trí này H1 (Hiểm họa thấp) QS ≤ 355 ngày H2 (Hiểm họa trung bình) 330 ngày ≤ QS < 355 ngày H3 (Hiểm họa cao) 274 ngày ≤ QS < 330 ngày H4 (Hiểm họa rất cao) QS > 274 ngày Độ phơi nhiễm: Là các lớp dữ liệu, lớp thông tin về dân số, sức khỏe, trình độ dân trí, cơ sở hạ tầng, sinh kế. Các dữ liệu phơi nhiễm khác có thể là về phân phối đánh bắt, nuôi trồng thủy sản và sản xuất nông nghiệp hoặc dữ liệu sản xuất tương tự liên quan đến phúc lợi kinh tế. Các đối tượng chịu tác động trong trường hợp này sẽ xác định cho từng vùng địa lý cụ thể. Để xác định các đối tượng chịu tác động cũng như thang đo mức độ phơi lộ của chúng trước các thiên tai XNM, người ta thường sử dụng các phương pháp thống kê. Theo đó, số lượng người, loại tài sản trong vùng bị phơi lộ trước hiểm họa thường được thống kê. Các dữ liệu này kết hợp với tính dễ bị tổn thương và năng lực chống chịu của các đối tượng chịu tác động tương ứng sẽ định lượng được rủi ro (trong đó bao gồm cả lượng giá thiệt hại cho các tác động hữu hình). Mô hình phơi lộ đóng một vai trò quan trọng trong đánh giá các đối tượng chịu tác động. Thông tin sử dụng để phát triển bộ dữ liệu phơi lộ có thể được lấy từ nhiều nguồn và phương pháp khác nhau. Độ phân giải của tập dữ liệu đề cấp đến việc dữ liệu được xác định chi tiết thế nào. Ví dụ, dữ liệu về đối tượng chịu tác động trên một khu vực địa lý rộng lớn (độ phân giải thấp) có thể sẽ kém chi tiết ở các thông tin mang tính địa phương và ngược lại. Về nguồn thu thập dữ liệu Nguồn dữ liệu cần thu thập thường ở các cơ quan chính quyền địa phương lưu giữ các thông tin thống kê về cộng đồng, dân sinh kinh tế,… từ Niên giám Thống kê về dữ liệu điều tra dân số, danh sách đầu tư và doanh nghiệp, số liệu việc làm và dữ liệu hệ thống thông tin địa lý (GIS) hiện có là những nguồn thông tin phổ biến ở quy mô khu vực trở lên. Thông thường, khi nghiên cứu về đối tượng chịu tác động, người ta thường chia chúng thành các nhóm đối tượng khác nhau, bao gồm: - Nhóm đối tượng chịu tác động về môi trường; - Nhóm đối tượng chịu tác động về xã hội; - Nhóm đối tượng chịu tác động về kinh tế; - Nhóm đối tượng chịu tác động về cơ sở hạ tầng. Phương pháp tiếp cận dùng chỉ số phơi lộ để đánh giá các đối tượng chịu tác động thường được sử dụng trong các nghiên cứu tại Việt Nam và trên thế giới. Theo đó, chỉ số phơi lộ là một hàm của chỉ thị phơi lộ và trọng số tương ứng với từng nhóm đối tượng chịu tác động. n E = ∑ wi w j ei i =1 trong đó: E: chỉ số phơi lộ; wi: trọng số đối với tần suất; wj: trọng số đối với loại phơi lộ; ei: chỉ thị phơi lộ. Chỉ số này được chuẩn hóa về giá trị từ 0-1 và dùng để xác định thang đo mức độ phơi lộ của từng nhóm đối tượng chịu tác động trước một hiểm họa có thể xảy ra. 364 Hội thảo Khoa học Quốc gia 2023
Tính dễ bị tổn thương: Tính dễ bị tổn thương chỉ các điều kiện do các yếu tố hạ tầng, xã hội, kinh tế và môi trường hoặc các quá trình làm tăng tính nhạy cảm của cá nhân và cộng đồng trước tác động của hiểm họa. Như vậy, mục tiêu đánh giá tính dễ bị tổn thương là hiểu như thế nào về hệ thống cơ sở hạ tầng công trình ngăn mặn, mô hình nuôi trồng thủy hải sản, cơ cấu loại hình cây trồng có thể bị thiệt hại, gặp rủi ro, tổn thất tài sản và tinh thần trước hiểm họa XNM để có thể ứng phó và giảm thiểu thiệt hại. Chỉ số dễ bị tổn thương thường được xác định như một hàm của tính dễ bị tổn thương và các trọng số thể hiện mức độ quan trọng của từng nhóm đối tượng. Phương pháp tiếp cận để xác định chỉ thị dễ bị tổn thương cũng giống như đối với mức độ phơi lộ: Nó dựa vào các chỉ số đã được xác định và được thu thập. Các chỉ số không đồng nhất sẽ được sử dụng phương pháp Phân tích quyết định Đa tiêu chí (MCDA) và trọng số của từng chỉ số được xác định thông qua phương pháp Pairwise. Kết quả đánh giá mức độ tác động sẽ quy về thang mức độ tác động với chỉ số dễ bị tổn thương được chuẩn hóa về giá trị giữa 0 và 1, trong đó 1 là tính dễ bị tổn thương lớn nhất. Trong đánh giá rủi ro, cấp độ dễ bị tổn thương được định nghĩa như sau: • Tính dễ bị tổn thương rất cao (V4, 0,5 ≤ V ≤ 1): Tính dễ bị tổn thương cao với tính mạng con người, tòa nhà, cơ sở hạ tầng, di sản văn hóa môi trường và các hoạt động kinh tế xã hội; • Tính dễ bị tổn thương cao (V3, 0,25 ≤ V < 0,5): Tính dễ bị tổn thương cao đối với vấn đề an toàn cho con người, thiệt hại các chức năng của nhà cửa và sự gián đoạn các hoạt động kinh tế - xã hội, thiệt hại đáng kể với di sản văn hóa môi trường; • Tính dễ bị tổn thương trung bình (V2, 0,1 ≤ V < 0,25): Tính dễ bị tổn thương thấp đối với nhà cửa, cơ sở hạ tầng và di sản, môi trường mà không ảnh hưởng đến sự an toàn của con người và tính năng của nhà cửa; • Tính dễ bị tổn thương thấp (V1, 0,0 ≤ V < 0,1): Tính dễ bị tổn thương về xã hội, kinh tế và môi trường là không đáng kể. Hình 4: Quá trình xác định mức độ tác động của thiên tai xâm nhập mặn Hội thảo Khoa học Quốc gia 2023 365
Xác định mức độ tác động thông qua lượng giá tổn thất/thiệt hại. Để đánh giá mức độ tác động thông qua lượng giá tổn thất/thiệt hại, người ta thường xây dựng đường cong thiệt hại. Để đánh giá mức độ tác động nêu trên người ta thường sử dụng 2 phương pháp tiếp cận, tùy thuộc vào mức độ chi tiết của các nghiên cứu, bao gồm: + Xác định mức độ tác động thông qua bộ chỉ số đánh giá và thang đo mức độ tác động. Đối với các đối tượng chịu tác động bị thiệt hại mà khó quy ra tiền tệ, phương pháp xác định mức độ tác động thông qua bộ chỉ số đánh giá và thang đo mức độ tác động thường được áp dụng. + Xác định mức độ tác động thông qua lượng giá tổn thất/thiệt hại. Để đánh giá mức độ tác động thông qua lượng giá tổn thất/thiệt hại, người ta thường xây dựng đường cong thiệt hại. Bằng cách cung cấp thông tin chi tiết, cụ thể hơn về các rủi ro tiềm ẩn mà thiên tai XNM mang lại cho địa phương, cho các lĩnh vực kinh tế - xã hội hay cho chính người dân trên địa bàn dự báo sẽ có XNM ảnh hưởng. Từ đó thúc đẩy các hành động ứng phó sớm, giúp giảm thiệt hại do thiên tai XNM gây ra. Thực tiễn cho thấy các hệ thống dự báo dựa trên tác động đã và đang được triển khai là hệ thống dự báo phục vụ hành động sớm của Vương quốc Anh, dự báo dựa trên tác động của bão, mưa lớn, gió mạnh ở Philippin, Dự báo dựa trên tác động cho lũ ở Malaysia, dự báo cảnh báo tác động của nắng nóng và rét hại ở Hàn Quốc,… Ngoài ra, hệ thống nhận diện lũ lụt châu Âu (EFAS), cung cấp dự báo lũ lụt trước 10 ngày, cho phép các cơ quan chức năng thực hiện các biện pháp thích hợp để giảm tác động của lũ lụt đối với con người, tài sản và cơ sở hạ tầng. Bên cạnh đó, Cơ quan Khí tượng Nhật Bản đã cung cấp thông tin chi tiết về các hiện tượng thiên tai, bao gồm bão, mưa lớn và bão tuyết, nhằm giúp chính quyền thực hiện các biện pháp thích hợp để bảo vệ người dân và cơ sở hạ tầng. Dự báo dựa trên tác động có thể giúp các cấp lãnh đạo, những người ra quyết định bảo vệ cộng đồng tốt hơn, như: Có thể đưa ra các khuyến nghị về sơ tán, đóng cửa trường học và các biện pháp bảo vệ khác để giảm thiệt hại về người, về cơ sở hạ tầng và giảm nhẹ thiệt hại kinh tế. Dự báo dựa trên tác động là một công cụ quan trọng cho các nhà quản lý tình trạng khẩn cấp, các nhà hoạch định chính sách và các bên liên quan khác tham gia vào việc chuẩn bị, lên kế hoạch, quản lý rủi ro thiên tai và hành động ứng phó khi tình huống thiên tai xảy ra. 3. Đánh giá khả năng áp dụng dự báo tác động của hiểm họa xâm nhập mặn tại Việt Nam Trong 10 năm trở lại đây, công tác cảnh báo, dự báo KTTV nói chung, các hiện tượng KTTV nguy hiểm nói riêng đã có nhiều thay đổi, chất lượng thông tin dự báo có sự tiến bộ rõ rệt. Ngoài việc cải tiến trong thể chế và văn bản quy phạm pháp luật về công tác cảnh báo, dự báo, truyền tin KTTV nói chung, bão, lũ và các hiện tượng KTTV, hải văn nguy hiểm nói riêng cho phù hợp với các yêu cầu thực tiễn. Các thiên tai đã được cảnh báo sớm hơn, cảnh báo từ xa, thời hạn dự báo thiên tai tăng rõ rệt, ví dụ như bão đầu những năm 2000 là dự báo 01 ngày, cảnh báo 3 ngày, thì bây giờ là dự báo 03 ngày và cảnh báo xa tới 05 ngày. Nội dung các bản tin dự báo KTTV nói chung, các hiện tượng KTTV nguy hiểm nói riêng đã được cụ thể và chi tiết hơn [19]. Mặc dù vậy, nội dung và hình thức truyền phát tin đến cộng đồng để chủ động phòng chống vẫn còn nhiều tồn tại và thách thức, trong đó hệ thống truyền phát tin cảnh báo, dự báo đến địa chỉ sử dụng bao gồm các cơ quan quản lý nhà nước về phòng chống thiên tai các cấp, các cơ quan truyền thông (truyền hình, phát thanh, báo in, báo điện tử và trên trang thông tin điện tử của chính cơ quan KTTV). Việc đưa các thông tin trên đến cộng đồng hiện 366 Hội thảo Khoa học Quốc gia 2023
nay do các phương tiện thông tin đại chúng đảm nhiệm, do vậy gây ra những hạn chế về thời gian chuẩn bị ứng phó, hoặc nhiều đối tượng chịu tác động không tiếp nhận được thông tin. Ngoài ra, các thông tin dự báo, cảnh báo trong các bản tin dự báo thiên tai còn mang nặng tính kỹ thuật, với nhiều thuật ngữ chuyên môn, các trị số của các yếu tố KTTV, hải văn nên còn khó hiểu đối với người tiếp nhận thông tin. Việc xử lý các thông tin nhận được phụ thuộc nhiều vào trình độ và hiểu biết của người nghe dẫn đến nhiều cách hiểu, nhiều cách xử lý thông tin khác nhau. Đây không chỉ là hạn chế của các thông tin dự báo, cảnh báo thiên tai của Việt Nam mà của đa số các nước trên thế giới. Chính vì vậy, WMO đã khuyến cáo phải chuyển dần các hệ thống dự báo dựa trên các ngưỡng cường độ hiểm họa sang dự báo dựa trên tác động. Việc dự báo dựa trên tác động. Thay cho việc trả lời “thời tiết ngay mai như thế nào?” thì sẽ trả lời “thời tiết ngày mai gây ra những gì?”. Chính các thông tin này sẽ tác động trực tiếp đến nhận thức và thậm chí là hành động của người nghe mỗi khi có thiên tai, tránh những hiểu lầm không đáng có, qua đó rút ngắn thời gian đưa thông tin thiết yếu đến các đối tượng chịu tác động và do đó tăng thời gian chuẩn bị ứng phó sẽ giúp giảm thiểu tối đa các thiệt hại do thiên tai gây ra. Thời gian trước năm 2019, các dự báo thời tiết, thiên tai của Việt Nam tập trung đưa các thông tin về chính hiểm họa như bão cấp mấy, mưa bao nhiêu milimét, gió mạnh cấp bao nhiêu, lũ cao bao nhiêu mét, XNM bao nhiêu ‰,… Các thông tin đó thuần túy là đặc trưng của hiểm họa, là các thông số KTTV thuần túy. Gần đây, khi dự báo tác động và dự báo dựa trên tác động được phổ biến hơn, các thông tin dự báo trong các bản tin của Tổng cục KTTV đã đưa thêm vào các thông tin về tác động tiềm ẩn của thiên tai để đưa ra cảnh báo. Ví dụ, trong các bản tin bão đã đề cập đến vùng gió mạnh cấp 6 trở lên để cảnh báo tác động của gió mạnh, sóng lớn, nước dâng, lốc, sét,… đối với tàu thuyền hoạt động trên biển; Khi tác động đến khu ven bờ, bản tin cũng đã có các thông tin cảnh báo đối với hệ thống lồng bè, khu neo đậu tàu thuyền,… Tuy nhiên các thông tin cảnh báo này là kết quả của các kinh nghiệm của các chuyên gia dự báo KTTV, chuyên gia phòng chống thiên tai. Có thể nói rằng Việt Nam đã áp dụng được các bài học kinh nghiệm và thực tế tại các nước trong khu vực và trên thế giới về dự báo dựa trên tác động. Cụ thể, Tổng cục KTTV đã ban hành các quyết định về loại, thời hạn và nội dung bản tin cho các đơn vị thuộc hệ thống dự báo quốc gia, trong đó nhấn mạnh tất cả các loại bản tin phải cung cấp các thông tin về khả năng tác động của các hiện tượng thời tiết, thủy văn, hải văn và thiên tai đối với môi trường, điều kiện sống, cơ sở hạ tầng và các hoạt động kinh tế - xã hội. Qua đánh giá bước đầu, khi thêm các thông tin về khả năng tác động vào các bản tin dự báo các hiện tượng hoặc thiên tai KTTV ở các thời hạn dự báo khác nhau, từ dự báo mùa tới dự báo tháng, dự báo 10 ngày và dự báo hạn ngắn 1-3 ngày đã giúp các cơ quan chỉ đạo phòng tránh thiên tai các cấp chủ động hơn trong công tác lập và xây dựng kế hoạch phòng chống, cũng như triển khai phương án phòng ngừa, ứng phó thiên tai. Như vậy, tại Việt Nam hiện nay, việc dự báo dựa trên tác động các loại hình thiên tai (trong đó có XNM mới ở mức sơ khai, ngành KTTV Việt Nam đang bước đầu tiếp cận với khái niệm dự báo tác động và dự báo dựa trên tác động của Tổ chức Khí tượng Thế giới. Những nghiên cứu và sản phẩm về các kịch bản tác động của BĐKH cũng sẽ là nguồn thông tin quan trọng, đặc biệt là các thông tin về phơi lộ và tính dễ bị tổn thương của con người và các đối tượng kinh tế - xã hội. Tuy nhiên, để đánh giá tác động của thiên tai trong thực tế dự báo thiên tai hàng ngày thì cần các dữ liệu cập nhật mới nhất về hiện trạng của phơi lộ và tính dễ bị tổn thương, hiện trạng của sản xuất nông nghiệp, nuôi trồng và đánh bắt thủy sản,… và các dự báo về xác suất xảy ra các mức cường độ hiểm họa trong mỗi đợt thiên tai. Hội thảo Khoa học Quốc gia 2023 367
Dự báo dựa trên tác động và dự báo tác động còn rất mới, không chỉ ở Việt Nam mà trên thế giới, do đó các thách thức về dự báo tác động là không ít. Những thách thức này liên quan tới các vấn đề như: Nâng cao năng lực, chất lượng dự báo, đặc biệt là mức độ chi tiết và chính xác về không gian, thời gian xảy ra thiên tai; Cập nhật, chia sẻ các số liệu hiện trạng sinh hoạt, đời sống người dân và các hoạt động kinh tế - xã hội tại khu vực có khả năng xảy ra thiên tai; Các quy định cụ thể về phương pháp luận, cách thức tiến hành dự báo tác động cũng như đánh giá quy mô, mức độ tác động còn rất hạn chế. 4. Kết luận Bài báo đã tập trung nghiên cứu đưa ra cơ sở khoa học, thực tiễn của phương pháp và công nghệ dự báo tác động các loại hình thiên tai ở Việt Nam. Từ đó đưa ra hướng tiếp cận cho công tác dự báo tác động của thiên tai XNM, các bước xây dựng và đánh giá hiểm họa, độ phơi nhiễm và tính dễ bị tổn thương, từ đó làm cơ sở đánh giá, dự báo tác động của XNM đến các đối tượng chịu tác động trong khu vực cụ thể. Bên cạnh đó thực trạng công tác dự báo tác động các loại hình thiên tai ở Việt Nam cho thấy việc dự báo tác động còn rất mới và các thách thức không nhỏ về mức độ chính xác về thời gian, không gian và dữ liệu về đặc điểm của các đối tượng chịu ảnh hưởng bởi thiên tai. Lời cảm ơn: Nhóm tác giả cảm ơn sự hỗ trợ tài liệu của Đề tài nghiên cứu khoa học cấp Bộ “Nghiên cứu xây dựng công nghệ dự báo tác động và lượng giá tổn thất, thiệt hại của các loại thiên tai khí tượng thủy văn đến các hoạt động kinh tế - xã hội ở Việt Nam”. Mã số đề tài: 2022.06.11. TÀI LIỆU THAM KHẢO [1]. UN Secretary-General (2016). Report of the open-ended intergovernmental expert working group on indicators and terminology relating to disaster risk reduction. Vol. 21184, No. December, 1-41. [2]. Trần Thục (2015). Báo cáo đặc biệt của Việt Nam về quản lý rủi ro thiên tai và các hiện tượng cực đoan nhằm thúc đẩy thích ứng với biến đổi khí hậu. [3]. M. A. Baudoin, S. Henly-Shepard, N. Fernando, A. Sitati and Z. Zommers (2014). Early warning systems and livelihood resilience: Exploring opportunities for community participation. UNU-EHS Work. Pap. Ser., Vol. 1, No. 11, 2014, [Online]. Available: http://www.munichrefoundation.org/dms/MRS/ Documents/ResilienceAcademy/2014_resilience_academy_wp1.pdf. [4]. WMO and GFDRR (2016). Implementing multi-hazard impact-based forecast and warning services. Work. Organ. by China Meteorol. Adm. - Shanghai Meteorol. Serv. Glob. Facil. Disaster Reduct. and Recover., 12nd-15th December, p. 76 pages, 2016, [Online]. Available: https://www.gfdrr.org/sites/default/ files/publication/Report on Implementing Multi Hazard Impact Based Forecast and Warning Services 17- 02-10 Final.pdf. [5]. M. Harrowsmith (2015). A case study series published by the UNISDR. Scientific and Technical advisory group. [Online]. Available: www.metoffice.gov.uk/public/weather/warnings/?regionName=uk. [6]. WMO and UN (2021). Manual for operationalizing Impact-Based Forecasting and Warning Services (IBFWS). [7]. ARRCC, Met Office, Climate Centre, UKaid, Anticipation Hub, REAP (2021). The future of forecasts: Impact - based forecasting for early action. [8]. WMO-No.1150 (2015). WMO guidelines on multi-hazard Impact-Based Forecast and Warning Services. [9]. Potter, S., Harrison S., Kreft P. (2020). The Benefits and challenges of implementing impact-based severe weather warning Systems: Perspectives of weather, flood and emergency management personnel, weather, climate and society, 13, 303-314. [10]. Li W., Jin L., Li Q. (2020). Study on establishing early warning model of soil salinization disaster. Earth and Environmental Science, 446(1-4),032049. 368 Hội thảo Khoa học Quốc gia 2023
[11]. Lê Thị Phương Mai (2017). Nghiên cứu tác động của xâm nhập mặn và khả năng thích ứng trong nuôi trồng thuỷ sản ở đồng bằng sông Cửu Long. Luận án Tiến sĩ. [12]. Nguyễn Văn Bé, Trần Thị Lệ Hằng, Trần Văn Triển, Văn Phạm Đăng Trí (2017). Ảnh hưởng cửa xâm nhập mặn đến sản xuất nông nghiệp, thuỷ sản huyện Trần Đề, tỉnh Sóc Trăng. Tạp chí Khoa học Trường Đại học Cần Thơ, 50(A), 94-100. [13]. Nguyễn Văn Đào, Vũ Thanh Tú, Trần Hồng Thái, Nguyễn Mai Đăng (2021). Nghiên cứu xây dựng bản đồ hiểm học xâm nhập mặn vùng đồng bằng ven biển Nam Định và Thái Bình. Tạp chí Khí tượng Thuỷ văn, 728, 93-106. [14]. Nguyễn Tùng Phong và cộng sự (2018). Đánh giá xâm nhập mặn phục vụ cấp nước sản xuất nông nghiệp vụ đông xuân vùng ven biển đồng bằng Sông Hồng dưới tác động của biến đổi khí hậu. Tạp chí Khoa học và Công nghệ Thuỷ lợi, 44, 1-10. [15]. Lê Văn Tuân và cộng sự (2021). Đánh giá hiểm họa, tính dễ bị tổn thương và rủi ro do xâm nhập mặn trên khu vực đồng bằng sông Cửu Long. Tạp chí Khoa học Biến đổi khí hậu, 17, 12-19. [16]. Nguyễn Hiếu Trung, Trần Thị Kim Hồng, Trần Nguyễn, Nguyễn Vũ Luân (2021). Đánh giá ảnh hưởng của xâm nhập mặn lên các mô hình canh tác nông nghiệp tại huyện Bình Đại, tỉnh Bến Tre. Tạp chí Khoa học Trường Đại học Cần Thơ, Số Chuyên đề Môi trường và Biến đổi khí hậu 57, 183-189. [17]. Phạm Việt Nữ, Nguyễn Hải Thanh, Nguyễn Thị Ngọc Diệu, Huỳnh Thị Diễm, Nguyễn Thị Hồng Điệp, Ngô Thụy Diễm Trang (2021). Nghiên cứu tác động xâm nhập mặn lên hoạt động canh tác lúa 3 vụ và một số giải pháp ứng phó tại huyện Long Phúc, tỉnh Sóc Trăng. Tạp chí Nông nghiệp và Phát triển nông thôn, Kỳ 2, 175-181. [18]. Phạm Ngọc Hoài, Phạm Bảo Quốc, Trần Thành Thái (2021). Áp dụng thuật toán học máy để dự báo độ mặn trên sông Hàm Luông, tỉnh Bến Tre. Tạp chí Các Khoa học Trái đất và Môi trường, Đại học Quốc gia Hà Nội, 38(3), 79-92. [19]. Viện Quản lý và Phát triển châu Á (2015). Biến động thiên tai, khí tượng thủy văn trong bối cảnh biến đổi khí hậu. BBT nhận bài: 01/8/2023; Chấp nhận đăng: 15/9/2023 Hội thảo Khoa học Quốc gia 2023 369