Исследователи из Технического университета Дании (DTU) совместно с муниципалитетом Яммербугта разработали новаторскую систему раннего предупреждения о локальных наводнениях.
Инновационное решение для борьбы с локальными наводнениями
Сюзанна Нильсен,dent Ольборга, Дания, выразила обеспокоенность по поводу возможного затопления летнего дома ее родителей в Слеттестранде, Северная Ютландия. Близость дома к заливу Яммербугт создает риск проникновения воды, особенно в связи с повышением уровня грунтовых вод.
Для снижения этого риска и своевременного оповещения жителей dent лиц, принимающих решения, исследователи DTU разработали усовершенствованный инструмент раннего предупреждения. В отличие от традиционных систем предупреждения о наводнениях, этот инструмент предлагает локальные прогнозы, предоставляя заинтересованным сторонам до 48 часов уведомления о надвигающемся наводнении вдоль рек, ручьев и прибрежных районов в пределах муниципалитета Яммербугт.
Центральное место в системе занимает «индекс влажности» — модель, основанная на искусственном интеллекте (ИИ), обученная на различных наборах данных, включая спутниковые снимки, прогнозы погоды, уровни грунтовых и морских вод, а также топографию ландшафта. Такой многомерный подход позволяет получить детальное понимание динамики воды и ее взаимодействия с окружающей средой.
Роланд Лёве, доцент DTU, специализирующийся на гидрологии, подчеркивает сложность движения воды в открытых ландшафтах. Используя искусственный интеллект и тщательно подобранные наборы данных, исследователи разработали инструмент, способный точно прогнозировать локальные наводнения.
Пробный запуск и перспективы
В 2023 году муниципалитет Яммербугта провел тестирование инструмента раннего предупреждения, показав многообещающие результаты в дождливые весенние месяцы. Однако летом возникли проблемы, что подчеркнуло необходимость дальнейшего совершенствования.
Хайди Эгеберг Йохансен, руководитель проекта в муниципалитете Яммербугта, признает потенциал инструмента, подчеркивая при этом важность точности и надежности. В настоящее время ведется работа по переобучению и корректировке модели, а также ведется поиск финансирования для поддержки дальнейших разработок.
Параллельно с развитием систем предупреждения о наводнениях исследователи DTU разработали новаторские методы машинного обучения для совершенствования стратегий управления водными ресурсами. Сочетание машинного обучения с научными вычислениями позволило значительно сократить время вычислений без ущерба для точности.
Аллан Питер Энгсиг-Каруп, доцент Технического университета Дании, подчеркивает преимущества этого подхода в прогнозировании движения воды в дренажных системах. Благодаря использованию возможностей научного машинного обучения, вычисления выполняются до 100 раз быстрее, чем при использовании традиционных методов, что позволяет лицам, принимающим решения, получать информацию в режиме реального времени.
Преобразование методов управления наводнениями
Внедрение на основе искусственного интеллекта в управление наводнениями представляет собой кардинальное изменение в планировании устойчивости. Благодаря более быстрым и точным прогнозам муниципалитеты могут заблаговременно распределять ресурсы, внедрять превентивные меры и эффективно адаптировать инфраструктуру для снижения рисков наводнений.
Роланд Лёве подчеркивает практические последствия этого технологического прогресса, позволяющего лицам, принимающим решения, собираться вместе и изучать различные сценарии в режиме реального времени. Оптимизация процесса принятия решений позволяет сообществам оптимизировать свои стратегии реагирования и повысить общую устойчивость к наводнениям.
