Strumento all'avanguardia per l'allerta inondazioni sviluppato dai ricercatori del DTU mostra promesse nella rilevazione precoce

I ricercatori della Technical University of Denmark (DTU) hanno collaborato con il Comune di Jammerbugt per creare un sistema di allerta precoce pionieristico per le inondazioni locali.

Soluzione innovativa per affrontare le sfide delle inondazioni locali

Susanne Nielsen, residente ad Aalborg, in Danimarca, ha espresso preoccupazioni per potenziali inondazioni che potrebbero colpire la casa estiva dei suoi genitori a Slettestrand, nel Nord Jutland. La vicinanza della casa alla baia di Jammerbugt pone un rischio di intrusione d'acqua, in particolare con i livelli di falda acquifera in aumento.

Per mitigare questo rischio e fornire avvisi tempestivi ai residenti e ai decisori, i ricercatori del DTU hanno sviluppato un avanzato strumento di allerta precoce. A differenza dei tradizionali sistemi di allerta inondazioni, questo strumento offre previsioni localizzate, dando agli stakeholder fino a 48 ore di preavviso di imminenti inondazioni lungo fiumi, ruscelli e aree costiere all'interno del Comune di Jammerbugt.

Al centro del sistema vi è l'"indice di umidità", un modello basato sull'intelligenza artificiale (AI) addestrato su dataset diversificati, tra cui immagini satellitari, previsioni meteorologiche, livelli di acqua terrestre e marina e topografia del paesaggio. Questo approccio multidimensionale consente una comprensione sfumata della dinamica dell'acqua e delle interazioni con l'ambiente circostante.

Roland Löwe, professore associato presso il DTU specializzato in idrologia, sottolinea la complessità del movimento dell'acqua nei paesaggi aperti. Sfruttando l'IA e dataset accuratamente curati, i ricercatori hanno sviluppato uno strumento in grado di prevedere con precisione gli eventi di inondazione locale.

Prova pilota e prospettive

Nel 2023, il Comune di Jammerbugt ha testato lo strumento di allerta precoce, ottenendo risultati promettenti durante i mesi primaverili piovosi. Tuttavia, sono emerse sfide durante l'estate più secca, evidenziando la necessità di un ulteriore affinamento.

Heidi Egeberg Johansen, Project Manager presso il Comune di Jammerbugt, riconosce il potenziale dello strumento, sottolineando al contempo l'importanza di accuratezza e affidabilità. Sono in corso piani per riaddestrare e regolare il modello, con la ricerca di finanziamenti per sostenere gli sforzi di sviluppo continui.

In parallelo ai progressi nell'allerta inondazioni, i ricercatori del DTU hanno perfezionato tecniche scientifiche di machine learning per migliorare le strategie di gestione delle acque. La combinazione di machine learning e calcolo scientifico ha ridotto significativamente i tempi di computazione senza sacrificare l'accuratezza.

Allan Peter Engsig-Karup, professore associato presso il DTU, sottolinea i vantaggi di questo approccio nella previsione del movimento dell'acqua attraverso i sistemi di drenaggio. Sfruttando il potere del machine learning scientifico, i calcoli vengono eseguiti fino a 100 volte più velocemente rispetto ai metodi tradizionali, fornendo ai decisori informazioni in tempo reale.

Trasformare le pratiche di gestione delle inondazioni

L'integrazione di soluzioni guidate dall'IA nella gestione delle inondazioni rappresenta un cambio di paradigma nella pianificazione della resilienza. Con previsioni più rapide e precise, i comuni possono allocare proattivamente le risorse, implementare misure preventive e adattare efficacemente le infrastrutture per mitigare i rischi di inondazione.

Roland Löwe sottolinea le implicazioni pratiche di questo avanzamento tecnologico, consentendo ai decisori di riunirsi ed esplorare vari scenari in tempo reale. Semplificando il processo decisionale, le comunità possono ottimizzare le proprie strategie di risposta e migliorare la resilienza complessiva agli eventi di inondazione.