En kunstig intelligens-model (AI) kan forbedre nøjagtigheden af oversvømmelsesprognoser, ifølge en ny undersøgelse offentliggjort i Nature . Systemet har vist sig at være lige så nøjagtigt som eller en forbedring af de nuværende førende metoder og kunne give tidligere advarsler om store oversvømmelser.
Menneskeskabte klimaændringer har øget hyppigheden af oversvømmelser i nogle regioner. De nuværende prognosemetoder er begrænset af deres afhængighed af vandløbsmålere (overvågningsstationer langs floder), som ikke er jævnt fordelt over hele kloden. Ikke-ophuggede floder er derfor sværere at forudsige, med de negative virkninger af dette primært mærket af udviklingslandene.
Gray Nearing og kollegaer har udviklet en kunstig intelligens-model, der blev trænet ved hjælp af 5.680 eksisterende målere til at forudsige daglige strømninger i uhøjede vandskel over en 7-dages prognoseperiode. AI-modellen blev derefter testet mod den førende globale software til forudsigelse af oversvømmelser i både kortsigtede og langsigtede scenarier, Global Flood Awareness System (GloFAS).
AI-modellen var i stand til at levere oversvømmelsesforudsigelser fem dage i forvejen, der var lige så pålidelige som eller bedre end det nuværende systems samme-dags forudsigelser. Derudover var nøjagtigheden af AI-modellen ved forudsigelse af ekstreme vejrhændelser med et returvindue på fem år lig med eller en forbedring i forhold til GloFAS-forudsigelserne for hændelser med et års returperiode.
Disse resultater tyder på, at AI-modellen kan give advarsler om oversvømmelser for både små og ekstreme hændelser i uhæmmede bassiner med en længere varselperiode end tidligere metoder og kunne forbedre adgangen til pålidelig oversvømmelsesprognose for udviklingsområder.
Flere oplysninger: Gray Nearing et al., Global forudsigelse af ekstreme oversvømmelser i ujævne vandskel, Nature (2024). DOI:10.1038/s41586-024-07145-1
Journaloplysninger: Natur
Leveret af Springer