Thực tế đang cho thấy biến đổi khí hậu không còn là một khái niệm xa vời trong các báo cáo khoa học. Nó đã trở thành một phần của đời sống hàng ngày. Trong giai đoạn 2010 – 2024, các sự kiện lũ lụt trên toàn cầu đã gây ra hơn 400 tỷ USD thiệt hại kinh tế. Con số này phản ánh một thực tế rõ ràng: nhiều hệ thống quản lý rủi ro thiên tai hiện nay vẫn mang tính phản ứng. Chúng ta thường chỉ hành động khi thiên tai đã xảy ra.
Sự phát triển của công nghệ số đang mở ra một cách tiếp cận mới. Trong đó, Digital Twin nổi lên như một công cụ chiến lược cho quản lý rủi ro thiên tai. Thay vì dự báo dựa trên bản đồ tĩnh hoặc dữ liệu lịch sử rời rạc, Digital Twin tạo ra một môi trường mô phỏng sống động của thế giới thực. Trong môi trường này, các nhà quản lý có thể quan sát, phân tích và thử nghiệm nhiều kịch bản thiên tai trước khi chúng xảy ra.
Cách tiếp cận này giúp chuyển đổi tư duy quản trị từ phản ứng sau thảm họa sang dự báo và phòng ngừa chủ động. Khi được triển khai đúng cách, Digital Twin có thể trở thành một lớp phòng thủ quan trọng giúp bảo vệ hạ tầng, kinh tế và tính mạng con người trước các rủi ro khí hậu ngày càng cực đoan.
Digital Twin cho quản lý rủi ro thiên tai là gì?
Nhiều người cho rằng Digital Twin chỉ là một mô hình 3D trực quan. Tuy nhiên, khái niệm này phức tạp và sâu hơn nhiều. Trong quản lý rủi ro thiên tai, Digital Twin là một hệ sinh thái mô phỏng động. Nó kết nối thế giới vật lý với không gian số thông qua dòng dữ liệu hai chiều liên tục theo thời gian thực.
Hệ sinh thái này vận hành dựa trên bốn trụ cột cốt lõi:
- Mô hình: Đây là lớp mô phỏng cấu trúc của thế giới thực. Nó bao gồm hình học đô thị, địa hình, hệ thống thoát nước, sông ngòi và hạ tầng kỹ thuật. Các mô hình này thường tích hợp dữ liệu từ Geographic Information Systems và mô phỏng thủy văn.
- Dữ liệu: Nguồn dữ liệu được thu thập liên tục từ môi trường thực. Các cảm biến Internet of Things đo mưa, mực nước, dòng chảy hoặc chất lượng môi trường. Dữ liệu vệ tinh và dữ liệu thời tiết cũng được tích hợp để cập nhật trạng thái hệ thống theo thời gian thực.
- Kết nối: Một sợi chỉ kỹ thuật số kết nối tất cả thành phần của hệ thống. Hạ tầng Cloud Computing đảm bảo lưu trữ và xử lý dữ liệu quy mô lớn, trong khi AI phân tích dữ liệu để phát hiện xu hướng và dự báo rủi ro.
- Dịch vụ: Đây là lớp ứng dụng phục vụ người dùng cuối. Các nhà quy hoạch và cơ quan quản lý có thể mô phỏng kịch bản thiên tai, đánh giá tác động và đưa ra quyết định dựa trên dữ liệu.
Nhờ dòng dữ liệu hai chiều này, mọi biến động trong thế giới thực, chẳng hạn như mực nước sông tăng nhanh hoặc lượng mưa cực đoan sẽ được phản ánh ngay lập tức trong mô hình số. Ngược lại, các kịch bản thử nghiệm trong Digital Twin có thể cung cấp thông tin để điều chỉnh vận hành hạ tầng trong thực tế.
Cơ chế phản hồi liên tục này giúp các thành phố chuyển từ trạng thái bị động ứng phó thiên tai sang quản lý rủi ro dựa trên dự báo và mô phỏng khoa học.
4 Trụ cột kỹ thuật của hệ sinh thái Digital Twin
Để hiểu vì sao Digital Twin có khả năng dự báo và mô phỏng rủi ro thiên tai với độ chính xác cao, cần nhìn vào kiến trúc công nghệ phía sau hệ thống. Một Digital Twin hoàn chỉnh thường được xây dựng trên bốn lớp kỹ thuật chính. Mỗi lớp đảm nhận một vai trò riêng nhưng luôn kết nối chặt chẽ với nhau thông qua dòng dữ liệu liên tục.
Lớp nền tảng không gian và hạ tầng
Quản lý rủi ro thiên tai trong đô thị đòi hỏi một góc nhìn đa tầng. Đây là lý do hệ thống Digital Twin tích hợp hai công nghệ nền tảng: Geographic Information Systems (GIS) và Building Information Modeling (BIM).
GIS cung cấp bức tranh không gian quy mô lớn. Nó mô tả địa hình, cao độ, lưu vực sông, hệ thống thoát nước và mạng lưới thủy văn tự nhiên của toàn bộ khu vực.
Trong khi đó, BIM đi sâu vào từng cấu trúc hạ tầng cụ thể. Ví dụ như trạm bơm, cống thoát nước, van điều tiết hay các công trình phòng chống lũ.
Khi hai hệ thống này được tích hợp, chúng tạo ra một mô hình thủy động lực học đa chiều. Mô hình này cho phép các nhà quản lý mô phỏng dòng chảy của nước mưa hoặc nước lũ qua từng tuyến phố, từng khu dân cư và từng công trình hạ tầng.
Lớp cảm biến thời gian thực
Nếu GIS và BIM tạo nên cấu trúc của Digital Twin, thì hệ thống cảm biến đóng vai trò như mạng lưới thần kinh. Các thiết bị thuộc Internet of Things liên tục thu thập dữ liệu từ môi trường thực tế. Những dữ liệu quan trọng thường bao gồm:
- Mực nước sông và lưu lượng dòng chảy
- Độ ẩm đất tại các khu vực có nguy cơ sạt lở
- Áp suất và lưu lượng trong hệ thống cống ngầm
- Lượng mưa tại các khu vực đô thị
Một công nghệ quan trọng trong hệ thống quan trắc mưa là X-band weather radar. Loại radar này có khả năng phát hiện các đám mây mưa cục bộ với độ phân giải rất cao.
Tại Việt Nam, một trạm radar loại này đã được triển khai tại Hoài Đức. So với các trạm đo mưa truyền thống, radar X-band có thể nhận diện các vùng mưa cường độ lớn sớm hơn. Nhờ đó, hệ thống cảnh báo có thể cung cấp khoảng thời gian chuẩn bị từ 1 đến 3 giờ trước khi nguy cơ ngập lụt xảy ra.
Lớp phân tích và dự báo
Phần bộ não của Digital Twin nằm ở lớp phân tích dữ liệu. Tại đây, các thuật toán Artificial Intelligence xử lý khối lượng dữ liệu lớn từ cảm biến và mô hình không gian. Một kỹ thuật quan trọng được sử dụng là mô hình lai . Phương pháp này kết hợp hai cách tiếp cận:
- Mô hình vật lý dựa trên các định luật thủy văn và thủy lực
- Mô hình dữ liệu sử dụng học máy để hiệu chỉnh sai số
Sự kết hợp này giúp hệ thống hoạt động hiệu quả ngay cả khi dữ liệu lịch sử còn hạn chế. Khi xuất hiện một hiện tượng thời tiết hiếm gặp, AI có thể so sánh với các sự kiện tương tự trong quá khứ, đánh giá mức độ tương đồng và dự báo diễn biến tiếp theo của thảm họa.
Nhờ vậy, Digital Twin không chỉ phản ánh trạng thái hiện tại của hệ thống mà còn dự báo các kịch bản rủi ro trong tương lai.
Lớp giao diện và dịch vụ kết nối
Để các hệ thống khác có thể sử dụng dữ liệu từ Digital Twin, nền tảng này cần các giao diện kết nối tiêu chuẩn. Những giao diện này cho phép dữ liệu lưu thông giữa phần cứng, phần mềm và các hệ thống quản lý khác. Ba nhóm giao diện phổ biến gồm:
- Giao diện IoT: Kết nối trực tiếp với các cảm biến trong môi trường thực để cập nhật dữ liệu thời gian thực.
- Giao diện ứng dụng (API): Cho phép các hệ thống bên ngoài, chẳng hạn như phần mềm quản lý đô thị hoặc trung tâm cứu hộ, truy cập dữ liệu mà không cần hiểu chi tiết kiến trúc của Digital Twin.
- Giao diện quản lý và vận hành: Cung cấp bảng điều khiển trực quan cho kỹ sư, nhà quy hoạch và cơ quan quản lý. Tại đây, họ có thể theo dõi trạng thái hệ thống, mô phỏng các kịch bản thiên tai và đưa ra quyết định ứng phó.
Bốn lớp công nghệ này kết hợp lại tạo thành một hệ sinh thái Digital Twin hoàn chỉnh. Nhờ dòng dữ liệu liên tục giữa thế giới vật lý và mô hình số, các thành phố có thể quan sát, dự báo và quản lý rủi ro thiên tai với độ chính xác cao hơn nhiều so với các phương pháp truyền thống.
Cơ chế vận hành của Digital Twin trong vòng đời thảm họa thiên tai
Một hệ thống Digital Twin không chỉ dùng để quan sát dữ liệu. Nó hoạt động liên tục trong toàn bộ vòng đời của một thảm họa. Từ giai đoạn dự báo, ứng phó cho đến phục hồi, Digital Twin luôn cập nhật dữ liệu và điều chỉnh mô hình để hỗ trợ ra quyết định.
Thông thường, hệ thống vận hành qua ba giai đoạn chính.
Giai đoạn 1: Giám sát và Nhận diện rủi ro
Ở giai đoạn này, Digital Twin tập trung vào việc thu thập và phân tích dữ liệu môi trường theo thời gian thực. Hệ thống sử dụng mạng lưới cảm biến Internet of Things để ghi nhận nhiều chỉ số quan trọng, bao gồm:
- Lượng mưa theo khu vực
- Mực nước sông và hồ chứa
- Dòng chảy trong hệ thống thoát nước
- Biến động của Storm surge tại các vùng ven biển
Dữ liệu này được xử lý bằng các mô hình học sâu như Long Short-Term Memory (LSTM). Thuật toán có khả năng phân tích chuỗi thời gian và nhận diện các xu hướng bất thường.
Nhờ đó, hệ thống có thể dự đoán sớm nguy cơ lũ lụt hoặc ngập lụt đô thị. Các cơ quan quản lý có thêm thời gian để kích hoạt cảnh báo sớm, tổ chức sơ tán hoặc vận hành hạ tầng phòng chống lũ.
Giai đoạn 2: Thích ứng và điều phối
Khi bão hoặc lũ xảy ra, điều kiện môi trường thay đổi rất nhanh. Dữ liệu có thể trở nên nhiễu và khó dự đoán. Trong giai đoạn này, Digital Twin liên tục cập nhật dữ liệu mới từ hệ thống cảm biến và mô hình thủy văn. Các thuật toán AI sẽ đánh giá lại độ chính xác của các mô hình dự báo.
Nếu phát hiện sai lệch, hệ thống sẽ tự động hiệu chỉnh tham số mô hình. Điều này giúp mô phỏng sát hơn với tình hình thực tế. Nhờ cơ chế cập nhật liên tục, Digital Twin có thể:
- Xác định các khu vực có nguy cơ ngập sâu
- Đề xuất tuyến đường sơ tán an toàn
- Hỗ trợ điều phối lực lượng cứu hộ và cứu nạn
Khả năng thích ứng theo thời gian thực là yếu tố giúp Digital Twin trở thành công cụ quan trọng trong quản lý khẩn cấp.
Giai đoạn 3: Phân tích thiệt hại và tái thiết
Sau thảm họa, Digital Twin chuyển sang vai trò phân tích và lập kế hoạch phục hồi. Hệ thống kết hợp dữ liệu cảm biến, dữ liệu vệ tinh và mô hình thủy văn để tái hiện lại toàn bộ diễn biến của sự kiện. Các mô phỏng này cho phép xác định:
- Khu vực chịu thiệt hại nặng nhất
- Hiệu quả của các công trình phòng chống lũ
- Những điểm yếu trong hệ thống hạ tầng đô thị
Kết quả phân tích trở thành nguồn dữ liệu quan trọng cho quy hoạch dài hạn. Các nhà quản lý có thể sử dụng dữ liệu này để nâng cấp hệ thống thoát nước, cải thiện quy hoạch đô thị và tăng khả năng chống chịu trước các sự kiện khí hậu cực đoan.
Nhờ vận hành xuyên suốt ba giai đoạn này, Digital Twin không chỉ là công cụ mô phỏng. Nó trở thành một nền tảng quản lý rủi ro dựa trên dữ liệu, giúp các thành phố chuyển từ ứng phó bị động sang quản trị thiên tai chủ động và dựa trên dự báo khoa học.
Những mô hình Digital Twin chống thiên tai trên thế giới
Nhiều quốc gia đã bắt đầu triển khai Digital Twin ở quy mô lớn để quản lý rủi ro thiên tai và quy hoạch hạ tầng bền vững. Các dự án này đang dần thiết lập những chuẩn mực mới cho cách các thành phố và quốc gia dự báo, giám sát và ứng phó với các sự kiện khí hậu cực đoan.
Dưới đây là ba sáng kiến nổi bật đang định hình xu hướng toàn cầu.
Destination Earth (DestinE)
Dự án Destination Earth là một sáng kiến quy mô lớn của European Commission. Mục tiêu của chương trình là xây dựng một bản sao số của toàn bộ hành tinh để mô phỏng hệ thống khí hậu và môi trường theo thời gian thực.
Nền tảng này hoạt động dựa trên các hệ thống High-performance computing (HPC). Nhờ sức mạnh tính toán cực lớn, DestinE có thể mô phỏng các hiện tượng thời tiết với độ phân giải rất cao.
Một điểm đổi mới quan trọng của dự án là công nghệ data streaming. Thay vì lưu trữ khối lượng dữ liệu tĩnh khổng lồ, các ứng dụng có thể truy cập trực tiếp dữ liệu khi mô hình đang chạy mô phỏng. Điều này cho phép các nhà khoa học và cơ quan quản lý theo dõi sự phát triển của bão, lũ hoặc hạn hán gần như theo thời gian thực.
Nhờ vậy, hệ thống hỗ trợ dự báo các sự kiện thời tiết cực đoan và đánh giá tác động của Climate change trên quy mô toàn cầu.
Hệ sinh thái thành phố thông minh Rotterdam
Thành phố Rotterdam tại Netherlands là một trong những khu vực đô thị dễ bị ảnh hưởng bởi nước biển dâng và lũ lụt. Để đối phó với thách thức này, thành phố đã phát triển một nền tảng Digital Twin đô thị rất chi tiết.
Mô hình số của Rotterdam bao gồm cả hạ tầng trên mặt đất và hệ thống dưới lòng đất như cống thoát nước, đường ống và trạm bơm. Nền tảng này tích hợp hệ thống Decision Support System để hỗ trợ ra quyết định cho các nhà quản lý.
Một phần quan trọng của hệ sinh thái là phần mềm mô phỏng thủy văn 3Di. Công cụ này cho phép mô phỏng các kịch bản mưa lớn, triều cường và lũ lụt đô thị. Kết quả mô phỏng được hiển thị trực quan trên bản đồ để các cơ quan chức năng đánh giá rủi ro và lựa chọn phương án ứng phó.
Ngoài quản lý ngập lụt, nền tảng Digital Twin của Rotterdam còn được dùng để hỗ trợ chiến lược chuyển đổi năng lượng. Thành phố đang hướng tới mục tiêu cải tạo khoảng 250.000 ngôi nhà để giảm sự phụ thuộc vào khí đốt tự nhiên.
Chương trình National Digital Twin tại Vương Quốc Anh
Tại Vương Quốc Anh, chính phủ đã triển khai chương trình National Digital Twin Programme. Sáng kiến này được phát triển với sự tham gia của đại học Cambridge và nhiều tổ chức nghiên cứu hạ tầng.
Mục tiêu của chương trình là xây dựng một hệ sinh thái dữ liệu thống nhất cho các ngành hạ tầng quốc gia như giao thông, năng lượng và xây dựng.
Một khái niệm quan trọng trong dự án là “digital building passport”. Đây là hồ sơ kỹ thuật số theo dõi toàn bộ vòng đời của một công trình. Hồ sơ này lưu trữ dữ liệu về vật liệu xây dựng, tiêu thụ năng lượng, phát thải và các hoạt động bảo trì.
Nhờ cơ chế chia sẻ dữ liệu xuyên tổ chức, hệ thống Digital Twin giúp cải thiện quản lý hạ tầng và hỗ trợ mục tiêu trung hòa Carbon. Đồng thời, nó cũng tạo nền tảng để các thành phố dự báo rủi ro thiên tai và nâng cao khả năng chống chịu trước biến đổi khí hậu.
Rủi ro khí hậu và chiến lược ứng dụng Digital Twin tại Việt Nam
Trong bối cảnh biến đổi khí hậu ngày càng gia tăng, Việt Nam đang đối mặt với nhiều rủi ro thiên tai phức tạp. Các hiện tượng như ngập lụt đô thị, sạt lở đất và xâm nhập mặn không còn xảy ra riêng lẻ. Chúng thường xuất hiện đồng thời và tác động trực tiếp đến kinh tế, hạ tầng và sinh kế của người dân.
Trong bối cảnh đó, Digital Twin trở thành một công cụ quan trọng giúp dự báo rủi ro, mô phỏng kịch bản thiên tai và hỗ trợ quy hoạch hạ tầng thích ứng với biến đổi khí hậu.
Bài toán ngập lụt tại Thành Phố Hồ Chí Minh
Thành phố Hồ Chí Minh là một trong những đô thị chịu rủi ro ngập lụt cao nhất tại Đông Nam Á. Thành phố đang đối mặt với hai yếu tố tác động đồng thời.
Thứ nhất là mực nước biển dâng do biến đổi khí hậu. Thứ hai là hiện tượng sụt lún đất xảy ra ngày càng nhanh. Nguyên nhân chủ yếu đến từ cấu trúc địa chất yếu và việc khai thác nước ngầm quá mức trong nhiều năm.
Nếu chỉ dựa trên dữ liệu mực nước biển dâng, các mô hình dự báo ngập lụt có thể thiếu chính xác. Digital Twin giúp giải quyết vấn đề này bằng cách tích hợp nhiều lớp dữ liệu khác nhau vào mô hình địa hình số Digital Elevation Model (DEM).
Nhờ đó, hệ thống có thể mô phỏng tác động đồng thời của nước biển dâng, lượng mưa lớn và tốc độ sụt lún đất. Kết quả là các bản đồ rủi ro ngập lụt chi tiết đến từng khu phố, giúp chính quyền thành phố tối ưu hóa quy hoạch hệ thống thoát nước và hạ tầng chống ngập.
Xem thêm: Tìm lời giải bài toán ngập lụt ở thành phố Hồ Chí Minh
Bảo vệ hệ thống logistics và chuỗi cung ứng
Hạ tầng giao thông và logistics đóng vai trò quan trọng trong nền kinh tế Việt Nam. Tuy nhiên, các tuyến đường bộ, đường sắt và cảng biển đều dễ bị ảnh hưởng bởi thiên tai như lũ lụt hoặc sạt lở.
Các mô hình chuỗi cung ứng trong hệ thống Digital Twin cho phép doanh nghiệp và cơ quan quản lý mô phỏng toàn bộ chuỗi vận chuyển hàng hóa. Khi kết hợp với dữ liệu thời tiết và dữ liệu địa hình, hệ thống có thể dự báo các rủi ro tiềm ẩn trên tuyến vận tải. Ví dụ:
- Một tuyến đường sắt có nguy cơ bị ngập do mưa lớn
- Một tuyến đèo có khả năng xảy ra sạt lở đất
- Một cảng biển có thể bị gián đoạn bởi bão
Thông tin dự báo này giúp các doanh nghiệp logistics chủ động thay đổi tuyến vận chuyển hoặc điều chỉnh kế hoạch vận hành trước khi sự cố xảy ra. Nhờ đó, chuỗi cung ứng được duy trì ổn định hơn ngay cả khi thiên tai xảy ra.
Quản lý hệ sinh thái ven biển bằng mô hình số
Việt Nam có hơn 3.000 km bờ biển và hàng triệu người sinh sống tại các khu vực ven biển. Những vùng này đặc biệt dễ bị tổn thương trước bão mạnh và nước biển dâng.
Trong nhiều năm qua, các chương trình phục hồi rừng ngập mặn đã chứng minh vai trò quan trọng của hệ sinh thái tự nhiên trong việc giảm thiểu tác động của bão và sóng lớn. Digital Twin có thể mô phỏng chi tiết động lực học của các hệ sinh thái ven biển. Hệ thống phân tích nhiều yếu tố như:
- Độ dày và mật độ của rừng ngập mặn
- Cường độ sóng và dòng chảy ven bờ
- Mực nước biển trong các kịch bản bão lớn
Nhờ đó, các nhà quản lý có thể định lượng chính xác khả năng giảm sóng và giảm xói lở của rừng ngập mặn. Thông tin này giúp tích hợp dữ liệu sinh thái vào quy hoạch ven biển và xây dựng các chiến lược bảo vệ cộng đồng dân cư.
Việc áp dụng Digital Twin trong quản lý rủi ro thiên tai tại Việt Nam không chỉ giúp dự báo chính xác hơn các hiện tượng khí hậu cực đoan. Quan trọng hơn, nó tạo ra một nền tảng dữ liệu thống nhất cho quy hoạch đô thị, quản lý hạ tầng và bảo vệ hệ sinh thái trong dài hạn.
3Di – Lõi mô phỏng thủy động lực học cho hệ thống Digital Twin
Trong các quốc gia có mạng lưới sông ngòi dày đặc như Vietnam, việc mô phỏng dòng chảy lũ và ngập lụt đô thị là một thách thức kỹ thuật lớn. Những biến động về lượng mưa, địa hình và hệ thống thoát nước khiến các mô hình thủy văn truyền thống khó phản ứng đủ nhanh.
Trong bối cảnh đó, phần mềm 3Di nổi lên như một lõi tính toán quan trọng trong nhiều hệ thống Digital Twin dành cho quản lý rủi ro thiên tai.
Các mô hình thủy lực truyền thống thường cần nhiều giờ, thậm chí nhiều ngày để xử lý một kịch bản lũ. Điều này gây khó khăn khi các nhà quản lý cần dự báo nhanh trong các tình huống mưa lớn hoặc bão bất ngờ.
3Di giải quyết vấn đề này bằng phương pháp Subgrid modelling. Công nghệ này cho phép hệ thống tính toán chi tiết dòng chảy ở quy mô nhỏ mà không cần tăng kích thước lưới tính toán toàn cục. Nhờ cơ chế này, mô hình có thể xử lý đồng thời hai thành phần quan trọng:
- Dòng chảy trên bề mặt đô thị
- Dòng chảy trong hệ thống cống thoát nước ngầm
Sự kết hợp giữa hai lớp dòng chảy tạo nên một mô hình Hydrodynamic modeling chính xác hơn nhiều so với các phương pháp cũ. Quan trọng hơn, tốc độ xử lý nhanh giúp hệ thống có thể mô phỏng các kịch bản mưa cực đoan gần như theo thời gian thực.
Một lợi thế lớn khác của 3Di là khả năng tương thích với nhiều nền tảng dữ liệu không gian. Kết quả mô phỏng có thể được xuất theo tiêu chuẩn Open Geospatial Consortium thông qua định dạng 3D Tiles.
Nhờ tiêu chuẩn dữ liệu mở này, các mô hình ngập lụt có thể được tích hợp trực tiếp vào hệ thống Digital Twin của đô thị.
Dữ liệu mô phỏng cũng có thể được truyền qua Application Programming Interface (API). Điều này giúp kết nối liền mạch giữa phần mềm mô phỏng thủy văn với nền tảng bản đồ 3D đô thị và hệ thống quản lý hạ tầng.
Khi dữ liệu được đồng bộ, các nhà quản lý có thể trực tiếp tương tác với bản đồ ngập lụt trên mô hình thành phố 3D. Và có thể thử nghiệm nhiều kịch bản khác nhau như điều chỉnh vận hành trạm bơm, đóng mở cống hoặc thay đổi phương án thoát nước.
Nhờ chính khả năng mô phỏng nhanh và tích hợp dữ liệu mạnh mẽ, 3Di đang trở thành một thành phần quan trọng trong các nền tảng Digital Twin cho quản lý nước đô thị. Công nghệ này giúp các thành phố:
- dự báo sớm nguy cơ ngập lụt
- đánh giá hiệu quả của các công trình thoát nước
- thử nghiệm nhiều kịch bản quy hoạch trước khi triển khai ngoài thực tế
Sự kết hợp giữa Digital Twin, mô hình thủy động lực học và dữ liệu cảm biến thời gian thực đang mở ra một cách tiếp cận mới cho quản lý rủi ro thiên tai và quy hoạch hạ tầng đô thị trong kỷ nguyên số.
