ရေကြီးမှုကို နည်းပညာဖြင့် ကြိုတင်ခန့်မှန်းခြင်း

 

ဝေဖြိုးအောင်

 

ကမ္ဘာတစ်ဝန်းတွင် ရာသီဥတုပြောင်းလဲမှု၏ အကျိုးဆက်များကို နိုင်ငံတိုင်းဆိုးရွားစွာခံစားနေကြရရာ ထိုအကျိုးဆက်များအနက် “ရေကြီးရေလျှံမှု” သည် လူ့အသက်ပေါင်းများစွာနှင့် ပိုင်ဆိုင်မှုပစ္စည်းဥစ္စာများကို အများဆုံးပျက်စီးဆုံးရှုံးစေသော သဘာဝဘေးအန္တရာယ်တစ်ခုဖြစ်သည်။

 

နှစ်စဉ် ကမ္ဘာတစ်ဝန်းရှိ လူဦးရေသန်းရာနှင့်ချီ၍ ရေဘေးအန္တရာယ်ကိုရင်ဆိုင်နေရပြီး စီးပွားရေးအရ ဆုံးရှုံးမှုတန်ဖိုးမှာလည်း ဒေါ်လာဘီလီယံနှင့်ချီ၍ ရှိနေပါသည်။ သမိုင်းကြောင်းအရရေကြီးမှုကို ကြိုတင်ခန့်မှန်းရာတွင် လူသားများ၏ အတွေ့အကြုံ၊ ရိုးရာမှတ်တမ်းများနှင့် အခြေခံ မိုးလေဝသခန့်မှန်းချက်များကိုသာ အားကိုးခဲ့ကြရသည်။ သို့သော် ယနေ့ခေတ်ကဲ့သို့ မိုးလေဝသအခြေအနေများ အလွန်အမင်းဖောက်ပြန်ပြောင်းလဲလာချိန်တွင် ထိုသမားရိုးကျ နည်းလမ်းများမှာ အချိန်မီကြိုတင်သတိပေးနိုင်စွမ်းမရှိတော့ပေ။ ရုတ်တရက်ရွာသွန်းသော မိုးကြီးမှုများကြောင့် နာရီပိုင်းအတွင်း ရေကြီးလာနိုင်သည့်အခြေအနေများကို အဟောင်းနည်းစနစ်များဖြင့် ခန့်မှန်းရန် မဖြစ်နိုင်တော့ပါ။

 

ထို့ကြောင့် ခေတ်မီနည်းပညာများဖြစ်သည့် ဉာဏ်ရည်တု(AI)၊ စက်သင်ယူမှု(Machine Learning)၊ ဂြိုဟ်တုနည်းပညာ (SatelliteTechnology)နှင့် အာရုံခံကိရိယာကွန်ရက်များ(IoT Sensors)ကို အသုံးပြု၍ ရေကြီးမှုကို တိကျမြန်ဆန်စွာကြိုတင်ခန့်မှန်းသည့်စနစ်များ ပေါ်ပေါက်လာခဲ့သည်။ ဤဆောင်းပါးတွင် ရေကြီးမှုကိုနည်းပညာဖြင့် မည်သို့ကြိုတင်ခန့်မှန်းနေကြောင်း၊ အသုံးပြုနေသည့် နည်းပညာများ၊ ထိုင်းနိုင်ငံနှင့် ဗီယက်နမ်နိုင်ငံတို့၏ လက်တွေ့အသုံးချမှုများနှင့် အနာဂတ်ရေကြီးမှု ကြိုတင်သတိပေးစနစ်များအကြောင်းကို အသေးစိတ် လေ့လာတင်ပြသွားမည်ဖြစ်သည်။

 

ရေကြီးရေလျှံမှု အမျိုးအစားများနှင့် ဖြစ်ပေါ်စေသော အကြောင်းရင်းများ

ရေကြီးမှု ကြိုတင်ခန့်မှန်းရေးစနစ်များကို မတည်ဆောက်မီ မည်သည့်ရေကြီးမှုအမျိုးအစား ဖြစ်ကြောင်းကို ဦးစွာနားလည်ရန် လိုအပ်သည်။ ရေကြီးမှုအမျိုးအစားအဓိကလေးမျိုးရှိပြီး တစ်ခုချင်းစီအတွက် အသုံးပြုရမည့် နည်းပညာမော်ဒယ်များမှာလည်း ကွဲပြားခြားနားပါသည်။

 

ပထမအမျိုးအစားမှာ မြစ်ချောင်းများ ရေလျှံခြင်းဖြစ်သည်။ မိုးဆက်တိုက်ရွာသွန်းမှု သို့မဟုတ် ဆီးနှင်းများအရည်ပျော်မှုကြောင့် မြစ်ရေမျက်နှာပြင်မြင့်တက်လာပြီး ကမ်းပါးများကို ကျော်လွန်ကာ စီးဆင်းခြင်းဖြစ်သည်။ ဒုတိယအမျိုးအစားမှာ ရုတ်တရက်ရေကြီးခြင်းဖြစ်ပြီး အချိန်တိုအတွင်း မိုးရေချိန်အလွန်အမင်းများပြားစွာ ရွာသွန်းမှုကြောင့် တောင်ကျချောင်းများနှင့် ချိုင့်ဝှမ်းများတွင် နာရီပိုင်းအတွင်း ရုတ်တရက် ရေကြီးလာခြင်းဖြစ်သည်။ ယင်းသည် ကြိုတင်ခန့်မှန်းရန် အခက်ခဲဆုံးနှင့် အန္တရာယ်အများဆုံးဖြစ်သည်။

 

တတိယအမျိုးအစားမှာ ကမ်းရိုးတန်းရေကြီးခြင်းဖြစ်ပြီး မုန်တိုင်းဒီရေတက်ခြင်းနှင့် ဆူနာမီလှိုင်းများကြောင့် ပင်လယ်ရေဝင်ရောက်ခြင်းဖြစ်သည်။ စတုတ္ထအမျိုးအစားမှာ မြို့ပြရေကြီးခြင်းဖြစ်ပြီး မြို့ပြများရှိ ရေနုတ်မြောင်းစနစ်များက မိုးရေကိုလုံလောက်စွာ မစုပ်ယူနိုင်ခြင်းကြောင့် လမ်းမများနှင့် လူနေရပ်ကွက်များအတွင်း ရေဝပ်ခြင်းဖြစ်သည်။ ခေတ်မီနည်းပညာများသည် ဤအမျိုးအစားများ အားလုံးအတွက် သီးသန့်အယ်လ်ဂိုရီသမ်များ ရေးဆွဲကာ ခန့်မှန်းတွက်ချက်ရပါသည်။

 

အာရုံခံကိရိယာများနှင့် ရေချိန်တိုင်းတာရေးစခန်းများ

ခေတ်မီရေကြီးမှု ခန့်မှန်းရေးစနစ်များ၏ အခြေခံအုတ်မြစ်မှာ “အချက်အလက်”ပင်ဖြစ်သည်။ မြစ်ချောင်းများ၊ တမံများနှင့်ရေနုတ်မြောင်းများတွင် တပ်ဆင်ထားသော အင်တာနက် ချိတ်ဆက်အာရုံခံ ကိရိယာများသည် အချက်အလက်များကို အချိန်နှင့်တစ်ပြေးညီ စုဆောင်းပေးပါသည်။ ဤဆင်ဆာများသည် ရေမျက်နှာပြင်အနိမ့်အမြင့်၊ ရေစီးနှုန်း၊ ရေဖိ အားနှင့် မိုးရေချိန်တို့ကို ၂၄ နာရီပတ်လုံး တိုင်းတာပေးသည်။ ယခင်က လူကိုယ်တိုင်သွားရောက် တိုင်းတာရသော ရေချိန်မှတ်တိုင်များနေရာတွင် ယခုအခါ အလိုအလျောက်သတင်းပို့ပေးသော စနစ်များကို အစားထိုးအသုံးပြုလာကြသည်။ ဤဆင်ဆာများမှ ရရှိလာသော အချက်အလက်များကို ဗဟိုထိန်းချုပ်ရေးစခန်းရှိ ကွန်ပျူတာဆာဗာများထံသို့ ကြိုးမဲ့ကွန်ရက်(Cellular, LoRaWAN, Satellite) များမှတစ်ဆင့် စက္ကန့်နှင့်အမျှပေးပို့နေပါသည်။

 

မြေပြင်အခြေစိုက် ဆင်ဆာများ၏ အားသာချက်မှာ အလွန်တိကျသော မြေပြင်အချက်အလက်များကို ပေးစွမ်းနိုင်ခြင်းဖြစ်သည်။ သို့သော်လွှမ်းခြုံနိုင်သည့် ဧရိယာကျဉ်းမြောင်းခြင်း၊ လျှပ်စစ်မီး လိုအပ်ခြင်းနှင့် ရေကြီးချိန်တွင် ဆင်ဆာများကိုယ်တိုင် ရေမျောပါပျက်စီးနိုင်သည့် အားနည်းချက်များလည်း ရှိတတ်ရာ အခြားသောနည်းပညာများနှင့် ပေါင်းစပ်အသုံးပြုရန် လိုအပ်ပါသည်။

 

ဂြိုဟ်တုပုံရိပ်များနှင့် ရေဒါနည်းပညာများ

မြေပြင်ဆင်ဆာများ မရောက်ရှိနိုင်သော ကျယ်ပြန့်သည့် တောတောင်ရေမြေဧရိယာကြီးများ အတွက် ဂြိုဟ်တုနည်းပညာသည် မရှိမဖြစ်လိုအပ်ပါသည်။ ဥရောပအာကာသအေဂျင်စီ၏ Sentinel ဂြိုဟ်တုများနှင့် အမေရိကန်နာဆာ၏ Landsat ဂြိုဟ်တုများသည် ကမ္ဘာမြေပြင်၏ ပြောင်းလဲမှုများကို နေ့စဉ် မှတ်တမ်းတင်လျက်ရှိသည်။

 

အထူးသဖြင့် Synthetic Aperture Radar(SAR) နည်းပညာကို တပ်ဆင်ထားသော ဂြိုဟ်တု များက တိမ်ထူထပ်နေချိန် သို့မဟုတ် ညအချိန်များတွင်ပါ မြေပြင်ကို ဖောက်ထွင်းမြင်နိုင်စွမ်းရှိသည်။ SAR ဂြိုဟ်တုပုံရိပ်များကိုအသုံးပြု၍ မည်သည့်နေရာများတွင် ရေလွှမ်းမိုးနေပြီလဲ၊ ရေကြီးမှုဧရိယာ မည်မျှကျယ်ပြန့်နေသလဲဆိုသည်ကို အတိအကျပုံဖော်နိုင်သည်။ ထို့ပြင် ဂြိုဟ်တုမှတစ်ဆင့် မြေဆီလွှာ၏ စိုစွတ်မှုအဆင့်ကိုပါ တိုင်းတာနိုင်သဖြင့် မိုးဆက်ရွာပါက မြေကြီးက ရေကိုဆက်လက် စုပ်ယူနိုင်စွမ်းရှိ/မရှိ ကြိုတင်တွက်ချက်နိုင်သည်။

 

Doppler Weather Radar စနစ်များသည်လည်း မိုးတိမ်တိုက်များ၏ ရွေ့လျားမှု၊ သိပ်သည်းဆနှင့် ရွာသွန်းနိုင်မည့် မိုးရေချိန်ကို ကြိုတင်ခန့်မှန်းပေးနိုင်သည်။ ဂြိုဟ်တုနှင့် ရေဒါများမှရရှိသော အချက်အလက်များကို မြေပြင်ဆင်ဆာအချက်အလက်များနှင့် ပေါင်းစပ်လိုက်သောအခါ ရေကြီးမှုအန္တရာယ်ကို မြေပုံပေါ်တွင် တိကျစွာရေးဆွဲနိုင်သော ကြီးမားသည့် Big Data တစ်ခု ရရှိလာမည်ဖြစ်သည်။

 

ဉာဏ်ရည်တုနှင့် စက်သင်ယူမှု၏ အခန်းကဏ္ဍ

ခေတ်မီရေကြီးမှု ကြိုတင်ခန့်မှန်းခြင်း၏ အသက်သွေးကြောမှာ ဉာဏ်ရည်တုနှင့်စက်သင်ယူမှု နည်းပညာများပင်ဖြစ်သည်။ ဂြိုဟ်တုများ၊ ရေဒါများနှင့် မြေပြင်ဆင်ဆာများမှ စက္ကန့်တိုင်းဝင်ရောက် လာသော Terabytes နှင့်ချီသည့် အချက်အလက်များ ကို လူသားသိပ္ပံပညာရှင်များက အချိန်မီတွက်ချက် နိုင်စွမ်းမရှိတော့ပေ။ ဤနေရာတွင် AI က ဝင်ရောက်လာသည်။ Machine Learning မော်ဒယ်များသည် လွန်ခဲ့သော ဆယ်စုနှစ်များစွာကဖြစ်ပေါ်ခဲ့သည့် ရေကြီးမှုမှတ်တမ်းများ၊ မိုးလေဝသအချက်အလက်များနှင့် မြေမျက်နှာပြင် အနိမ့်အမြင့်များကို လေ့လာသင်ယူထားသည်။

 

ယင်းတို့သည် လက်ရှိဝင်ရောက်လာသော မိုးလေဝသအချက်အလက်များကို အရင်ကပုံစံများနှင့် တိုက်ဆိုင်စစ်ဆေးကာ လာမည့်နာရီပိုင်း သို့မဟုတ် ရက်ပိုင်းအတွင်း မည်သည့်နေရာတွင် ရေမည်မျှအထိတက်လာမည်ကို ကြိုတင်ခန့်မှန်းပေးနိုင်သည်။ Artificial Neural Networks (ANN), Random Forest နှင့် Support Vector Machines (SVM) ကဲ့သို့သော အဆင့်မြင့် AI မော်ဒယ်များက ရေစီးကြောင်းရွေ့လျားမှုမော်ဒယ်များကို မြန်ဆန်စွာ တွက်ချက်ပေးနိုင်သည်။ ယခင်က ကွန်ပျူတာဖြင့် ရက်ချီတွက်ချက်ရသော ရေကြီးမှုဧရိယာပုံစံများကို ယခုအခါ AI အသုံးပြု၍ မိနစ်ပိုင်းအတွင်း တိကျစွာရယူနိုင်ပြီဖြစ်သည်။

 

တရုတ်နိုင်ငံ၏ ရေကြီးမှု ကြိုတင်ခန့်မှန်းရေးစနစ်နှင့် ဒီဂျစ်တယ်အမြွှာ

ရေကြီးမှုပြဿနာကို နှစ်စဉ်ဆိုးရွားစွာ ရင်ဆိုင်နေရသော တရုတ်နိုင်ငံသည် နည်းပညာဖြင့် ရေကြီးမှုကိုတုံ့ပြန်ရာတွင် ကမ္ဘာ့ရှေ့ဆောင်နိုင်ငံတစ်နိုင်ငံဖြစ်လာသည်။ တရုတ်နိုင်ငံ ရေအရင်းအမြစ် ဝန်ကြီးဌာနက မြစ်ဝှမ်းကြီးများအတွက် ‘ဒီဂျစ်တယ်အမြွှာ’နည်းပညာကို အကြီးအကျယ် တည်ဆောက်အသုံးပြုလျက်ရှိသည်။ ယန်ဇီမြစ်နှင့်မြစ်ဝါမြစ်တစ်လျှောက်ရှိ မြေမျက်နှာသွင်ပြင်၊ ရေကာတာများ၊ မြို့ပြရေနုတ်မြောင်းများကို ကွန်ပျူတာအတွင်း သုံးဖက်မြင် (3D) ပုံစံဖြင့် အတိအကျ ပုံတူကူးယူထားသည်။

 

ဤ Digital Twin စနစ်အတွင်းသို့ AI နှင့် ဆင်ဆာအချက်အလက်များထည့်သွင်းကာ ‘မိုးဤ မျှရွာလျှင် ရေကာတာများမှ ရေမည်မျှလွှတ်ရမည်၊ မည်သည့်မြို့များ ရေမြုပ်နိုင်သနည်း’ ဆိုသည်ကို လက်တွေ့မဖြစ်မီ ကွန်ပျူတာထဲတွင် ကြိုတင်စမ်းသပ်တွက်ချက်ကြည့်နိုင်သည်။ ၂၀၂၁ ခုနှစ် ဟဲနန်ပြည်နယ် ကျန်းကျိုးမြို့တွင်ဖြစ်ပွားခဲ့သော ရုတ်တရက်ရေကြီးမှုတွင် လူပေါင်းများစွာ သေဆုံးခဲ့ရသည့် သင်ခန်းစာကိုယူကာ တရုတ်နိုင်ငံသည် မြို့ပြရေကြီးမှု သတိပေးစနစ်များကို အဆင့်မြှင့်တင်ခဲ့သည်။ Baidu နှင့် Tencent ကဲ့သို့သော နည်းပညာ ကုမ္ပဏီကြီးများက ယင်းတို့၏ AI မော်ဒယ်များ (ဥပမာ - Huawei ၏ Pangu-Weather Model)ကိုအသုံးပြု၍ မိုးလေဝသခန့်မှန်းချက်များကို ကမ္ဘာ့အဆင့်မီ တိကျမြန်ဆန်စွာ တွက်ချက်ပေးလျက်ရှိသည်။

 

ထိုင်းနိုင်ငံ၏ ဉာဏ်ရည်တုနှင့် သတင်းအချက်အလက် ပေါင်းစပ်စီမံခန့်ခွဲမှု

ထိုင်းနိုင်ငံသည် အထူးသဖြင့် ဒေါ်လာဘီလီယံချီဆုံးရှုံးခဲ့ရသော ၂၀၁၁ ခုနှစ် ရေကြီးမှုကြီးအပြီးတွင် ရေဘေးကြိုတင်ကာကွယ်ရေးနည်းပညာများကို အရှိန်အဟုန်မြှင့်လုပ်ဆောင်လာခဲ့သည်။ ထိုင်းနိုင်ငံ၏ ဇလဗေဒသတင်းအချက်အလက်အင်စတီကျု(Hydro Informatics Institute - HAII)သည် National Hydroinformatics Data Center (NHC) ကိုတည်ထောင်ကာ တစ်နိုင်ငံလုံးရှိ ရေချိန်ဆင်ဆာများ၊ မိုးလေဝသစခန်းများနှင့် ဂြိုဟ်တုများမှအချက်အလက်များကို Big Data အဖြစ် စုစည်းထား သည်။ ဗန်ကောက်မြို့ကဲ့သို့ မြေနိမ့်ပိုင်းနှင့် ရေကြီးလွယ်သောနေရာများတွင် ဘုရင်ကြီး ဘူမိဘော၏ 'Kaem Ling' ဟုခေါ်သော သမိုင်းဝင်ရေလှောင်ကန် မဟာဗျူဟာကို ခေတ်မီ IoT ဆင်ဆာများနှင့် ချိတ်ဆက်ကာ အဆင့်မြှင့်တင်ထားသည်။ မြို့တွင်းရှိ ရေနုတ်မြောင်းများနှင့် မြေအောက်ရေလှောင်ကန်များတွင် ဆင်ဆာများ တပ်ဆင်ထားပြီး ရေမှတ်မြင့်တက်လာသည်ကို အချိန်နှင့်တစ်ပြေးညီ စောင့်ကြည့်သည်။

 

မိုးကြီးမည်ဟု AI က တွက်ချက်သည်နှင့် ထို‘မျောက်ပါးစပ်’ ရေလှောင်ကန်များအတွင်းသို့ မြို့တွင်းရှိရေများကို အလိုအလျောက်ပန့်များဖြင့် စုပ်ထုတ်စီးဆင်းစေပြီး လမ်းမများပေါ်တွင် ရေမကြီးအောင် ထိန်းချုပ်နိုင်စွမ်းရှိလာသည်။ ဤနည်းပညာပေါင်းစပ်မှုကြောင့် ချောင်ဖယားမြစ်ဝှမ်း တစ်လျှောက် ရေကြီးမှုအန္တရာယ်ကို အချိန်မီခန့်မှန်း၍ ထိရောက်စွာ လျှော့ချနိုင်ခဲ့သည်။

 

ဗီယက်နမ်နိုင်ငံ၏ မဲခေါင်မြစ်ဝှမ်း ရေကြီးမှု စောင့်ကြည့်ရေး

ဗီယက်နမ်နိုင်ငံ၊ အထူးသဖြင့် မဲခေါင်မြစ်ဝှမ်းဒေသနှင့်ကမ်းရိုးတန်းမြို့ကြီးများသည် ရာသီဥတု ပြောင်းလဲမှုနှင့် ပင်လယ်ရေမျက်နှာပြင် မြင့်တက်လာမှုကြောင့် ရေကြီးမှုဒဏ်ကို အဆိုးရွားဆုံးခံစား နေရသော ဒေသများဖြစ်သည်။ ဗီယက်နမ်အစိုးရသည် ဤပြဿနာကို ဖြေရှင်းရန် ဂြိုဟ်တုပုံရိပ်များနှင့် စမတ်သတိပေးစနစ်များကို အကြီးအကျယ် ရင်းနှီးမြှုပ်နှံ အသုံးပြုလျက်ရှိသည်။

 

ဟိုချီမင်းမြို့တော်တွင် 'Smart Flood Warning System' (စမတ်ရေကြီးမှုသတိပေးစနစ်)ကို တပ်ဆင်ထားပြီး ရေနုတ်မြောင်းများနှင့် မြစ်ကမ်းပါးများတွင် တပ်ဆင်ထားသော IoT ဆင်ဆာများမှ တစ်ဆင့် ဒီရေအတက်အကျနှင့် မိုးရေချိန်ကို အချိန်နှင့်တစ်ပြေးညီ စောင့်ကြည့်နေသည်။ စနစ်မှ ရေကြီး နိုင်ခြေရှိသည်ဟု ခန့်မှန်းပါက ဒေသခံပြည်သူများ၏ မိုဘိုင်းဖုန်းများသို့ Zalo (ဗီယက်နမ်၏ အသုံးအများ ဆုံး လူမှုကွန်ရက် App) မှတစ်ဆင့် အလိုအလျောက်သတိပေးချက်များပေးပို့ကာ ယာဉ်ကြောပိတ်ဆို့မှုများနှင့် ရေကြီးသောလမ်းများကို ကြိုတင်ရှောင်ရှားနိုင်ရန် စီစဉ်ပေးထားသည်။

 

ထို့ပြင် မဲခေါင်မြစ်ဝှမ်းကော်မရှင်၏ ဒေတာများနှင့် ဥရောပအာကာသအေဂျင်စီ၏ Sentinel ဂြိုဟ်တုပုံရိပ်များကို ပေါင်းစပ်ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် အထက်ပိုင်းနိုင်ငံများမှ စီးဆင်းလာမည့် ရေပမာဏကို ကြိုတင်တွက်ချက်ကာ စိုက်ပျိုးရေးနှင့်ကျေးလက်ဒေသများအတွက် ကြိုတင်ကာကွယ်မှုများကို အချိန်မီပြုလုပ်နိုင်လျက်ရှိသည်။

 

Google ၏ Flood Hub ကြိုတင်သတိပေးစနစ်

ကမ္ဘာ့နည်းပညာ အကြံအဖန်ကြီးဖြစ်သော Google က ယင်း၏ AI စွမ်းရည်ကို အသုံးပြု၍ 'Flood Hub' ဟုခေါ်သော ကမ္ဘာလုံးဆိုင်ရာရေကြီးမှု ကြိုတင်ခန့်မှန်းရေးစနစ်ကို လွှင့်တင်ထားသည်။ ဤစနစ်သည် အထူးသဖြင့် အိန္ဒိယနှင့် ဘင်္ဂလားဒေ့ရှ် နိုင်ငံတို့အတွက် များစွာအထောက်အကူ ဖြစ်စေသည်။ Google Flood Hub က ရာသီဥတုခန့်မှန်းချက်များနှင့် ဂြိုဟ်တုပုံရိပ်များကို ပေါင်းစပ်ကာ မြစ်ရေကြီးမှုကို ခုနစ်ရက် ကြိုတင်၍ ခန့်မှန်းပေးနိုင် သည်။ ယင်း၏ AI မော်ဒယ် (Hydrological Model နှင့် Inundation Model) သည် မြစ်ရေမျက်နှာပြင် မည်မျှမြင့်တက်လာမည်၊ မည်သည့်ကျေးရွာများ ရေလွှမ်းမိုးခံရမည်၊ ရေအနက်မည်မျှ အထိရှိမည်ကို အသေးစိတ်ပုံဖော်ပေးသည်။

 

ထူးခြားချက်မှာ ဤသတိပေးချက်များကို အများပြည်သူ၏ စမတ်ဖုန်းများထံသို့ Google Search, Google Maps နှင့် Android Notification များမှတစ်ဆင့် တိုက်ရိုက်ပေးပို့ခြင်းဖြစ်သည်။ ယခုအခါ Flood Hub စနစ်ကို နိုင်ငံပေါင်း ၈၀ ကျော်အထိ တိုးချဲ့အသုံးပြုနေပြီဖြစ်ပြီး ဒေတာမပြည့်စုံသော နိုင်ငံများတွင်ပါ AI ၏ မှန်းဆတွက်ချက်မှု စွမ်းရည်ဖြင့် ရေကြီးမှုများကို ထိရောက်စွာ သတိပေးနိုင်ကြောင်း သက်သေပြနိုင်ခဲ့သည်။

 

ကြိုတင်သတိပေးစနစ်များမှတစ်ဆင့် ပြည်သူလူထုထံ သတင်းပေးပို့ခြင်း

ရေကြီးမည်ကို မည်မျှပင်တိကျစွာခန့်မှန်းနိုင်စေကာမူ ထိုသတင်းအချက်အလက်များက အန္တရာယ်ရှိ ဒေသခံပြည်သူများထံသို့ အချိန်မီမရောက်ရှိပါက အချည်းနှီးသာဖြစ်သည်။ ထို့ကြောင့် ကြိုတင်သတိပေးစနစ်၏ သတင်းဖြန့်ဝေမှုယန္တရား သည် အလွန်အရေးကြီးပါသည်။

 

ယနေ့ခေတ်တွင် (SMS) မက်ဆေ့ချ်များ၊ မိုဘိုင်း အက်ပလီကေးရှင်းများ၊ လူမှုကွန်ရက် မီဒီယာများနှင့် ဆဲလ်ဘရော့ဒ်ကတ်စ် နည်းပညာများကို အသုံးပြု၍ သတင်းပို့လျက်ရှိသည်။ Cell Broadcast နည်းပညာသည် သတ်မှတ်ထားသော ဘေးအန္တရာယ်ဇုန်အတွင်းရှိ မိုဘိုင်းဖုန်းအားလုံးထံသို့ အင်တာနက် မလိုဘဲအရေးပေါ်အချက်ပေးသံဖြင့် သတိပေးစာများ တစ်ပြိုင်နက်ပေးပို့နိုင်စွမ်းရှိသည်။ ထို့ပြင် ကျေးလက်ဒေသများအတွက် အလိုအလျောက်အချက်ပေး ဥသြသံများနှင့် ရေဒီယိုထုတ်လွှင့်မှုများကိုပါ ပေါင်းစပ်အသုံးပြုရသည်။ ထိရောက်သော ကြိုတင်သတိပေးစနစ်သည် အသိပညာပေးခြင်း၊ ပြောင်းရွှေ့ရမည့် လမ်းကြောင်းများ ကြိုတင်သတ်မှတ်ထားခြင်းနှင့် ဒေသခံများ၏ ပူးပေါင်းပါဝင် မှုတို့အပေါ်တွင်လည်း များစွာမူတည်နေပါသည်။

 

လက်တွေ့အကောင်အထည်ဖော်ရာတွင် ကြုံတွေ့ရသော စိန်ခေါ်မှုများ

ခေတ်မီနည်းပညာများ တိုးတက်နေသော်လည်း လက်တွေ့မြေပြင်တွင် အကောင်အထည်ဖော်ရာ၌ စိန်ခေါ်မှုများစွာ ကျန်ရှိနေဆဲဖြစ်သည်။ ပထမဆုံးနှင့် အကြီးမားဆုံးစိန်ခေါ်မှုမှာ ဖွံ့ဖြိုးဆဲနိုင်ငံများရှိ ‘အချက်အလက်ရှားပါးမှု’ ပင်ဖြစ်သည်။ AI မော်ဒယ်များတိကျရန်အတွက် ဆယ်စုနှစ်နှင့်ချီသော သမိုင်းဝင်ရေချိန်မှတ်တမ်းများ လိုအပ်သော်လည်း နိုင်ငံအများစုတွင် ထိုမှတ်တမ်းများမရှိခြင်း သို့မဟုတ် စာရွက်စာတမ်းများအဖြစ်သာ ကျန်ရှိနေခြင်းပြဿနာကို ကြုံတွေ့ရသည်။ ဒုတိယစိန်ခေါ်မှုမှာ နည်းပညာအခြေခံအဆောက်အအုံ တည်ဆောက်ရေးကုန်ကျစရိတ် ကြီးမားခြင်းဖြစ်သည်။ ဆင်ဆာများတပ်ဆင်ခြင်း၊ ဂြိုဟ်တုအချက်အလက်များဝယ်ယူခြင်းနှင့် စူပါကွန်ပျူတာဆာဗာများ တည်ဆောက်ခြင်းသည် ဝင်ငွေနည်းနိုင်ငံများအတွက် ဝန်ထုပ်ဝန်ပိုးဖြစ်စေသည်။

 

တတိယအချက်မှာ ‘မှားယွင်းသောသတိပေးချက်များ’ ပြဿနာဖြစ်သည်။ မော်ဒယ်များက ရေကြီးမည်ဟုခန့်မှန်း၍ ပြည်သူများကို ပြောင်းရွှေ့ခိုင်းသော်လည်း လက်တွေ့တွင် ရေကြီးမလာပါက နောက်တစ်ကြိမ်အမှန်တကယ်ရေကြီးသည့်အခါ ပြည်သူများက သတိပေးချက်ကို ယုံကြည်တော့မည် မဟုတ်ပေ။ ထို့ကြောင့် မော်ဒယ်များ၏ တိကျမှန်ကန်မှုကို အစဉ်တစိုက်အဆင့်မြှင့်တင်နေရန် လိုအပ်ပါသည်။

 

အနာဂတ်အလားအလာနှင့် နိုင်ငံတကာ ပူးပေါင်းဆောင်ရွက်မှုများ

အနာဂတ်၏ ရေကြီးမှု ကြိုတင်ခန့်မှန်းရေးစနစ်များသည် ပိုမိုတိကျမြန်ဆန်လာမည်မှာ အသေအချာဖြစ်သည်။ ကွမ်တန်ကွန်ပျူတာများ ပေါ်ပေါက်လာပါက လက်ရှိထက်အဆပေါင်းများစွာ ရှုပ်ထွေးသောရာသီဥတုမော်ဒယ်များကို စက္ကန့်ပိုင်းအတွင်း တွက်ချက်နိုင်မည်ဖြစ်သည်။ အာကာသနည်းပညာတွင်လည်း ပိုမိုသေးငယ်ပြီး ဈေးသက်သာသော မိုက်ခရိုဂြိုဟ်တုများက ကမ္ဘာကြီးကို အချိန်ပြည့် စောင့်ကြည့်ပေးနိုင်မည်ဖြစ်သည်။ ရေကြီးမှုသည် နိုင်ငံနယ်နိမိတ်များကို မသိပေ။ နိုင်ငံဖြတ်ကျော် စီးဆင်းနေသောမြစ်ကြီးများ (ဥပမာ-မဲခေါင်မြစ်၊ ဗြဟ္မပုတ္တရမြစ်) ရေကြီးမှုများကိုကာကွယ်ရန် အိမ်နီးချင်းနိုင်ငံများအကြား အချက်အလက်ဖလှယ်မှုနှင့် ပူးပေါင်းဆောင်ရွက်မှုများသည် အလွန်အရေးကြီးပါသည်။

 

ကုလသမဂ္ဂ၏ ကမ္ဘာ့မိုးလေဝသအဖွဲ့က ဦးဆောင်၍ ကမ္ဘာလုံးဆိုင်ရာသတိပေးစနစ်များကို အကောင်အထည်ဖော်လျက်ရှိသည်။ နိုင်ငံတိုင်းသည် မိမိတို့၏ အတွေ့အကြုံများနှင့်ဒေတာများကို ပွင့်လင်းမြင်သာစွာမျှဝေကြမှသာ ကမ္ဘာတစ်ဝန်းလွှမ်းခြုံနိုင်သော တိကျသည့် AI ခန့်မှန်းရေး မော်ဒယ် ကြီးများကို တည်ဆောက်နိုင်မည်ဖြစ်သည်။

 

ခြုံငုံသုံးသပ်ရလျှင် ရေကြီးရေလျှံမှုများကို လုံးဝတားဆီးပစ်ရန် လူသားများတွင် စွမ်းအားမရှိ သေးသော်လည်း မည်သည့်အချိန်၊ မည်သည့်နေရာတွင် ရေကြီးမည်ကို ကြိုတင်သိရှိနိုင်စွမ်းမှာ နည်းပညာကြောင့် အံ့မခန်းတိုးတက်လာပြီဖြစ်သည်။ AI၊ ဂြိုဟ်တုနည်းပညာ၊ IoT ဆင်ဆာများနှင့် ဒီဂျစ်တယ်အမြွှာနည်းပညာများသည် ရေဘေးအန္တရာယ်စီမံခန့်ခွဲမှုပုံစံကို အလုံးစုံပြောင်းလဲပစ် လိုက်ပြီဖြစ်သည်။

 

ထိုင်းနိုင်ငံ၏ HAII နှင့် မျောက်ပါးစပ်ရေလှောင်ကန်စီမံကိန်းများ၊ ဗီယက်နမ်၏ စမတ်သတိပေးစနစ်များနှင့် Google ၏ Flood Hub ကဲ့သို့သော ဥပမာများသည် နည်းပညာကိုအသုံးချ၍ လူ့အသက်ပေါင်းများစွာကို မည်သို့ကယ်တင်နိုင်ကြောင်း ပြသနေပါသည်။ ဖွံ့ဖြိုးဆဲနိုင်ငံများအနေဖြင့်လည်း ဤနည်းပညာများကို မိမိတို့၏အရင်း အမြစ်များနှင့်ကိုက်ညီအောင် ပြုပြင်အသုံးချကာ ရေရှည်တည်တံ့သော ကြိုတင်သတိပေးစနစ်များ တည်ဆောက်ရေးကို နိုင်ငံတော်အဆင့် ဦးစားပေးလုပ်ငန်းစဉ်တစ်ရပ်အဖြစ် ဆောင်ရွက်သင့်ပါကြောင်း တိုက်တွန်းရေးသားအပ်ပါသည်။ ။

 

မှီငြမ်းကိုးကားစာရင်း

၁။     Hydro-Informatics Institute (HAII) Thailand - "National Hydroinformatics and Climate Data Center operations". [Link: https://www.haii.or.th].

၂။      Vietnam Smart Flood Management - "Ho Chi Minh City integrates Zalo app for real-time flood warning". Local Tech Reports.

၃။ Google AI Flood Forecasting - "Google Flood Hub expands to 80 countries". [Link: https://blog.google/technology/ai/flood-hub/].

၄။     AI Models in Weather Prediction (Huawei Pangu-Weather) - Nature Journal publication on AI weather forecasting. [Link: https://www.nature.com].

၅။      World Meteorological Organization (WMO) - "Early Warnings for All Initiative". [Link: https://public.wmo.int].

၆။   Synthetic Aperture Radar (SAR) for Flood Mapping - European Space Agency (ESA) Sentinel Missions. [Link: https://sentinels.copernicus.eu/].