Thành phố đầu tiên trên thế giới dùng AI và ảnh vệ tinh để dự báo nhiệt trong từng ngôi nhà
Ấn Độ ứng dụng AI và dữ liệu vệ tinh để xác định điểm nóng nắng và bảo vệ người dân ở New Delhi.
Giữa bối cảnh nhiệt độ tăng cao, New Delhi, thủ đô Ấn Độ, đang tiên phong ứng dụng công nghệ cao nhằm bảo vệ cư dân dễ bị tổn thương bởi nắng nóng. Thay vì các khuyến nghị chung chung như "uống nhiều nước hơn", giới chức thành phố đang triển khai kế hoạch hành động cụ thể với sự hỗ trợ từ trí tuệ nhân tạo và dữ liệu vệ tinh.
Theo tạp chí Wired, một phần trong kế hoạch chống nóng năm 2025 của New Delhi là xây dựng bản đồ nhiệt độ mặt đất chi tiết đến cấp phường, từ đó xác định chính xác các khu vực dễ bị ảnh hưởng nhất, thường là những nơi thiếu hạ tầng cơ bản để chống chọi với khí hậu khắc nghiệt.
 |
| Một phần trong kế hoạch chống nóng năm 2025 của New Delhi là xây dựng bản đồ nhiệt độ mặt đất chi tiết đến cấp phường |
Tuy nhiên, Raj Bhagat Palanichamy, chuyên gia phân tích địa lý tại tổ chức nghiên cứu WRI India, cho biết phần lớn bản đồ hiện tại dựa trên dữ liệu vệ tinh vốn phục vụ nông nghiệp, nên chưa đủ chính xác để phản ánh thực trạng của môi trường đô thị. Điều này làm hạn chế hiệu quả của các biện pháp can thiệp.
Để khắc phục hạn chế này, tổ chức SEEDS, chuyên ứng phó thảm họa, phối hợp với Chintan, tổ chức hoạt động trong lĩnh vực quản lý chất thải, đã sử dụng hệ thống thông tin địa lý GIS để đánh giá rủi ro nhiệt trong nhà tại các khu dân cư thu nhập thấp, đặc biệt là những nơi gần bãi rác hoặc khu công nghiệp, nơi sinh sống của nhiều người nhặt rác.
Họ triển khai mô hình trí tuệ nhân tạo mang tên Sunny Lives, phát triển cùng Microsoft, có khả năng ước tính nhiệt độ bên trong từng loại nhà. Ví dụ, nếu nhiệt độ ngoài trời là 40 độ C, bên trong một ngôi nhà mái tôn có thể lên tới 45 độ C, gây nguy hiểm cho người già, trẻ em và người mắc bệnh mãn tính.
Bên cạnh đó, nhóm nghiên cứu còn tính toán "nhiệt độ bầu ướt", chỉ số phản ánh khả năng làm mát tự nhiên của cơ thể qua quá trình đổ mồ hôi. Khi độ ẩm cao, hiệu quả làm mát giảm, từ đó làm tăng nguy cơ sốc nhiệt.
Từ việc khảo sát các loại mái như tôn, ngói, nhựa và bê tông, nhóm đã huấn luyện mô hình để nhận diện các yếu tố nguy cơ, sau đó kết hợp với ảnh vệ tinh để xác định loại mái và vật liệu xây dựng trên quy mô lớn. Nhờ đó, họ có thể đánh giá nhiệt độ bên trong từng ngôi nhà mà không cần lắp cảm biến trực tiếp.
Cách tiếp cận chi tiết đến từng mái nhà này mở ra triển vọng cải tiến kế hoạch hành động chống nóng trong tương lai. Thay vì chỉ khuyến cáo chung, dữ liệu địa phương sẽ giúp chính quyền đưa ra giải pháp thiết thực như điều chỉnh giờ làm việc, bố trí trạm bù nước, hoặc xây dựng nơi tránh nóng chi phí thấp tại các điểm nóng dân cư.
