Beyond vindhastighed - En ny målestok til at forudsige orkanpåvirkninger

Seks store orkaner, der opslugte Atlanterhavsbassinet i 2017, var en ødelæggende påmindelse om kystsamfundenes sårbarhed, hvor mere end halvdelen af ​​den amerikanske befolkning bor.

Hvad hvis der var en bedre måde at forudsige og kommunikere disse stormes skadelige økonomiske konsekvenser, før de sker?

Civilingeniører fra Colorado State University har udviklet en innovativ ny tilgang til at vurdere kystsamfundenes modstandsdygtighed over for orkaner. De har skabt en "multi-hazard orkanpåvirkningsniveaumodel, "som anslår økonomiske skader forårsaget af storme, før de sker.

Påvirkningsmodellen er detaljeret beskrevet i et nyligt papir i Palgrave Communications , skrevet af Hussam Mahmoud, lektor i civil- og miljøteknik, og Stephanie Pilkington, en kandidatstuderende i civilingeniør, der har designet og valideret modellen.

"Vores model forudsiger storme mere med hensyn til påvirkninger, " forklarede Mahmoud. Prognosefolk kommunikerer typisk om storme, der nærmer sig, ved at kategorisere vedvarende vindhastigheder på Saffir-Simpson-skalaen.

Vindhastighed, imidlertid, er normalt ikke hovedårsagen til død og ødelæggelse fra orkaner, siger forskerne. De værste påvirkninger er normalt forårsaget af oversvømmelser, nedbør og stormflod, kombineret med ilandføringsgeografi, befolkningstæthed, og kvaliteten af ​​infrastrukturen. Forskerne ønskede at komme med en mere præcis måde at tale om påvirkninger på. Deres mål er at give kommunikation om en tropisk storms forventede økonomiske skade, snarere end kun stormens meteorologiske intensitet, sagde Pilkington.

Neurale netværk

Mahmoud og Pilkingtons påvirkningsmodel bruger kunstige neurale netværk og maskinlæring til at "lære" et computerprogram, hvordan man forudsiger en afventende storms skade, efter dollartal. Det neurale netværk, som er som en kunstig menneskelig hjerne, der bliver klogere, jo mere data den tilføres, er drevet af detaljerede historiske data fra flere storme. Disse omfatter orkanen Katrina i 2005 og orkanen Arthur i 2014.

Mahmoud og Pilkington brugte disse historiske data til at træne neurale netværk til at forbinde faktiske stormkarakteristika med faktiske kendte udfald fra disse storme. For at fodre deres model, de brugte offentligt tilgængelige data fra føderale agenturer. Deres model bruger input, herunder estimeret ilandføring, berørte befolkning, maksimal vindhastighed, maksimal stormflod, og total nedbør.

Derefter, de testede modellen i realtid under faktiske storme, herunder senest orkanen Harvey, som ramte Gulf Coast omkring Houston, Texas, i august.

Forbedringer har ikke holdt trit

Forskerne brugte også deres model til at analysere, om fysiske og politiske forbedringer såsom strandvolde, det nationale oversvømmelsesforsikringsprogram, og opdaterede byggekoder har afbødet virkningerne af kraftige storme. Kort sagt, de har ikke, siger forskerne.

Ifølge deres data, Kystsamfund i Florida eller Texas er omtrent lige så økonomisk sårbare som eller endnu værre stillet, til orkanødelæggelser, som de var for 100 år siden. Det er en nøgtern realitet, som ingeniørerne håber, deres arbejde kan kaste lys over.

Antallet af mennesker, der bor i kystsamfund er steget eksponentielt på 100 år, og med det, infrastruktur og motorveje. "Forbedrede byggeregler og andre ændringer har ikke været nok til at holde trit med den store mængde rigdom, infrastruktur og mennesker i disse områder, " sagde Pilkington.

Pilkington, hvis interesser krydser hinanden inden for meteorologi og anlægsteknik, ønsker, at modellen gør en reel forskel i folks liv. "Mit ultimative mål er at få det brugt af nogen - uanset om det er National Weather Service eller andre steder, " sagde hun. "Vi burde kommunikere til offentligheden i form af effekt i stedet for intensitet."

Mahmoud og Pilkington fortsætter med at fremme deres model med bedre data, giver et endnu mere præcist billede for orkaner fremover. De planlægger også at bruge det til at forudsige virkningerne af klimaændringer.