Theo Wired, thành phố New Delhi đang nỗ lực tăng cường khả năng ứng phó với nắng nóng bằng kế hoạch hành động năm 2025, trong đó điểm nhấn là bản đồ nhiệt độ bề mặt độ phân giải cao đến từng khu dân cư. Mục tiêu là xác định chính xác những khu vực dễ bị tổn thương nhất và thiếu cơ sở hạ tầng để đối phó với nhiệt độ khắc nghiệt. Tuy nhiên, hiệu quả thực tế của dữ liệu này vẫn còn là một thách thức.
Ông Raj Bhagat Palanichamy, chuyên gia phân tích địa lý tại WRI India, chỉ ra rằng nhiều bản đồ nhiệt hiện tại sử dụng dữ liệu vệ tinh vốn được thiết kế cho mục đích nông nghiệp. Điều này có thể không phù hợp với sự phức tạp của cảnh quan đô thị, gây khó khăn cho việc triển khai các biện pháp can thiệp chính xác và hiệu quả.
Để khắc phục hạn chế này, tổ chức phi lợi nhuận SEEDS, phối hợp với Chintan, một đơn vị chuyên về quản lý chất thải và sinh kế, đã phát triển bản đồ GIS về rủi ro nhiệt cho các khu dân cư thu nhập thấp ở New Delhi, đặc biệt là những khu vực gần bãi rác và khu công nghiệp, nơi tập trung người lao động nhặt rác.
Họ sử dụng mô hình trí tuệ nhân tạo Sunny Lives, do SEEDS và Microsoft hợp tác phát triển, để đánh giá mức độ ảnh hưởng của nhiệt theo từng loại hình nhà ở. Ông Anshu Sharma, đồng sáng lập SEEDS, cho biết mô hình này tập trung vào trải nghiệm nhiệt độ bên trong mỗi ngôi nhà. Ví dụ, khi nhiệt độ ngoài trời là 40 độ C, nhiệt độ bên trong một ngôi nhà mái tôn có thể lên tới 45 độ C, gây nguy hiểm cho trẻ em, người già và người bệnh.
SEEDS và Chintan cũng sử dụng chỉ số nhiệt độ bầu ướt, kết hợp cả nhiệt độ và độ ẩm, để đánh giá hiệu quả của quá trình làm mát bay hơi. Độ ẩm càng cao, nhiệt độ bầu ướt càng cao, khiến việc đổ mồ hôi trở nên kém hiệu quả, làm tăng nguy cơ sốc nhiệt.
Nhóm nghiên cứu đã theo dõi nhiệt độ trong các loại nhà lợp mái tôn, ngói, tấm nhựa và bê tông để xác định loại nào có nguy cơ chịu nhiệt độ cực đoan cao nhất. Dữ liệu này giúp huấn luyện mô hình xác định các yếu tố lặp lại, sau đó kết hợp với hình ảnh vệ tinh để phân loại mái nhà và vật liệu xây dựng trên diện rộng. Kết quả là, họ có thể ước tính nhiệt độ trong nhà của từng công trình mà không cần lắp đặt cảm biến trực tiếp.
Độ phân giải chi tiết đến từng khu dân cư như vậy có thể giúp cải thiện đáng kể các kế hoạch ứng phó với nắng nóng trong tương lai của Ấn Độ. Thay vì chỉ đưa ra những khuyến cáo chung chung như “uống nhiều nước”, dữ liệu địa phương có thể thúc đẩy các hành động cụ thể hơn, chẳng hạn như điều chỉnh giờ làm việc của chợ hoặc nhà máy, triển khai các điểm tránh nóng giá rẻ, hoặc thiết lập các trạm cung cấp dung dịch bù nước tại các khu vực đông người qua lại.
Mặc dù chính quyền New Delhi đã hứa hẹn triển khai nhiều biện pháp hỗ trợ như lắp đặt 3.000 máy làm mát nước công cộng, thay đổi giờ làm việc tại các công trình xây dựng, và xây dựng các khu tránh nóng cho công nhân ngoài trời và người vô gia cư, nhưng phần lớn các biện pháp này vẫn chưa được thực hiện đầy đủ.
Admin
Nguồn: VnExpress
