Des chercheurs de l'Université technique du Danemark (DTU) ont collaboré avec la municipalité de Jammerbugt pour créer un système d'alerte précoce novateur pour les inondations locales.
Solution innovante pour relever les défis locaux en matière d'inondations
Susanne Nielsen,dent d'Aalborg, au Danemark, s'inquiète des risques d'inondation qui pourraient affecter la maison de vacances de ses parents à Slettestrand, dans le nord du Jutland. La proximité de la maison avec la baie de Jammerbugt accroît le risque d'infiltration d'eau, notamment en raison de la montée des eaux souterraines.
Pour atténuer ce risque et alerter rapidement les résidents dent les décideurs, les chercheurs de l'Université technique du Danemark (DTU) ont mis au point un outil d'alerte précoce avancé. Contrairement aux systèmes d'alerte aux inondations traditionnels, cet outil offre des prévisions localisées, informant les parties prenantes jusqu'à 48 heures à l'avance des risques d'inondation le long des rivières, des ruisseaux et des zones côtières de la municipalité de Jammerbugt.
Au cœur du système se trouve l’« indice d’humidité », un modèle basé sur l’intelligence artificielle (IA) et entraîné sur divers ensembles de données, notamment l’imagerie satellitaire, les prévisions météorologiques, les niveaux des eaux souterraines et marines, et la topographie du paysage. Cette approche multidimensionnelle permet une compréhension nuancée de la dynamique de l’eau et de ses interactions avec l’environnement.
Roland Löwe, professeur associé à l'Université technique du Danemark (DTU) et spécialiste en hydrologie, souligne la complexité des mouvements d'eau dans les paysages ouverts. Grâce à l'intelligence artificielle et à des ensembles de données soigneusement sélectionnés, les chercheurs ont mis au point un outil capable de prédire avec précision les inondations locales.
Essai et perspectives
En 2023, la municipalité de Jammerbugt a testé l'outil d'alerte précoce, obtenant des résultats prometteurs durant la saison humide du printemps. Cependant, des difficultés sont apparues pendant l'été plus sec, soulignant la nécessité de poursuivre son amélioration.
Heidi Egeberg Johansen, chef de projet à la municipalité de Jammerbugt, reconnaît le potentiel de l'outil tout en soulignant l'importance de sa précision et de sa fiabilité. Des plans de perfectionnement et d'ajustement du modèle sont en cours, et des financements sont recherchés pour soutenir les efforts de développement continus.
Parallèlement aux progrès réalisés dans le domaine de l'alerte aux inondations, les chercheurs de l'Université technique du Danemark (DTU) ont mis au point des techniques d'apprentissage automatique scientifique novatrices pour améliorer les stratégies de gestion de l'eau. L'association de l'apprentissage automatique et du calcul scientifique a permis de réduire considérablement le temps de calcul sans compromettre la précision.
Allan Peter Engsig-Karup, professeur associé à l'Université technique du Danemark (DTU), souligne les avantages de cette approche pour la prédiction des mouvements d'eau dans les réseaux de drainage. Grâce à la puissance de l'apprentissage automatique, les calculs sont effectués jusqu'à 100 fois plus rapidement qu'avec les méthodes traditionnelles, offrant ainsi aux décideurs des informations en temps réel.
Transformer les pratiques de gestion des inondations
L'intégration basées sur l'IA dans la gestion des inondations représente un changement de paradigme dans la planification de la résilience. Grâce à des prévisions plus rapides et plus précises, les municipalités peuvent allouer des ressources de manière proactive, mettre en œuvre des mesures préventives et adapter efficacement leurs infrastructures afin d'atténuer les risques d'inondation.
Roland Löwe souligne les implications pratiques de cette avancée technologique, qui permet aux décideurs de se réunir et d'explorer différents scénarios en temps réel. En rationalisant le processus décisionnel, les collectivités peuvent optimiser leurs stratégies d'intervention et renforcer leur résilience globale face aux inondations.
