Un outil d'alerte précoce aux inondations de pointe développé par les chercheurs du DTU montre des résultats prometteurs dans la détection précoce

Des chercheurs de l'Université technique du Danemark (DTU) ont collaboré avec la municipalité de Jammerbugt pour créer un système d'alerte précoce pionnier pour les inondations locales.

Une solution innovante pour relever les défis des inondations locales

Susanne Nielsen, résidente d'Aalborg, au Danemark, a exprimé ses inquiétudes concernant les inondations potentielles affectant la maison d'été de ses parents à Slettestrand, dans le nord du Jutland. La proximité de la maison avec la baie de Jammerbugt pose un risque d'intrusion d'eau, en particulier avec l'élévation du niveau des eaux souterraines.

Pour atténuer ce risque et fournir des alertes rapides aux résidents et aux décideurs, les chercheurs du DTU ont développé un outil d'alerte précoce avancé. Contrairement aux systèmes traditionnels d'alerte aux inondations, cet outil offre des prédictions localisées, donnant aux parties prenantes jusqu'à 48 heures d'avance sur les inondations imminentes le long des rivières, des ruisseaux et des zones côtières de la municipalité de Jammerbugt.

Au cœur du système se trouve l'« indice humide », un modèle basé sur l'intelligence artificielle (IA) entraîné sur des ensembles de données diversifiés, y compris des images satellite, des prévisions météorologiques, les niveaux d'eau douce et marine, 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 environnant.

Roland Löwe, professeur agrégé au DTU spécialisé en hydrologie, souligne la complexité du mouvement de l'eau dans les paysages ouverts. En tirant parti de l'IA et d'ensembles de données soigneusement sélectionnés, les chercheurs ont développé un outil capable de prédire avec précision les événements d'inondation locaux.

Essai et perspectives

En 2023, la municipalité de Jammerbugt a testé l'outil d'alerte précoce, obtenant des résultats prometteurs pendant les mois humides du printemps. Cependant, des défis sont apparus pendant l'été plus sec, soulignant la nécessité d'un affinage supplémentaire.

Heidi Egeberg Johansen, chef de projet à la municipalité de Jammerbugt, reconnaît le potentiel de l'outil tout en soulignant l'importance de la précision et de la fiabilité. Des plans pour réentraîner et ajuster le modèle sont en cours, avec une recherche de financement pour soutenir les efforts de développement continus.

Parallèlement aux avancées en matière d'alerte aux inondations, les chercheurs du DTU ont mis au point des techniques scientifiques de machine learning pour améliorer les stratégies de gestion de l'eau. La combinaison du machine learning avec le calcul scientifique a considérablement réduit le temps de calcul sans sacrifier la précision.

Allan Peter Engsig-Karup, professeur agrégé au DTU, souligne les avantages de cette approche pour prédire le mouvement de l'eau à travers les systèmes de drainage. En exploitant la puissance du machine learning scientifique, les calculs sont effectués jusqu'à 100 fois plus rapidement que les méthodes traditionnelles, offrant aux décideurs des informations en temps réel.

Transformer les pratiques de gestion des inondations

L'intégration de solutions alimentées par l'IA dans la gestion des inondations représente un changement de paradigme dans la planification de la résilience. Avec des prédictions plus rapides et plus précises, les municipalités peuvent allouer proactivement des ressources, mettre en œuvre des mesures préventives et adapter efficacement les infrastructures pour atténuer les risques d'inondation.

Roland Löwe souligne les implications pratiques de cette avancée technologique, permettant aux décideurs de se réunir et d'explorer divers scénarios en temps réel. En rationalisant le processus décisionnel, les communautés peuvent optimiser leurs stratégies de réponse et renforcer leur résilience globale face aux événements d'inondation.