丹麦技术大学研究人员开发的尖端洪水预警工具在早期检测中展现出潜力

丹麦技术大学（DTU）的研究人员与詹默布格特市合作，创建了一个开创性的本地洪水早期预警系统。

解决本地洪水挑战的创新方案

丹麦奥尔堡的居民苏珊娜·尼尔森（Susanne Nielsen）表达了对潜在洪水影响其父母在北日德兰州斯莱特斯特兰（Slettestrand）夏季别墅的担忧。该别墅靠近詹默布格特湾，随着地下水位上升，存在进水风险。

为了减轻这一风险并向居民和决策者提供及时警告，丹麦技术大学（DTU）的研究人员开发了一种先进的早期预警工具。与传统洪水预警系统不同，该工具提供本地化预测，使利益相关者能够提前48小时获知詹默布格特市（Jammerbugt Municipality）沿河流、溪流和沿海地区即将发生的洪水。

该系统的核心是“湿润指数”（wet index），这是一个基于人工智能（AI）的模型，训练数据包括卫星图像、天气预报、地面和海水水位以及地形地貌。这种多维方法使人们能够细致地理解水动力学及其与周围环境的相互作用。

DTU水文副教授罗兰·勒韦（Roland Löwe）强调了开放景观中水运动的复杂性。通过利用AI和精心策划的数据集，研究人员开发了一种能够准确预测本地洪水事件的工具。

试运行与前景

2023年，詹默布格特市对该早期预警工具进行了试用，在潮湿的春季月份取得了令人鼓舞的结果。然而，在较干燥的夏季出现了挑战，凸显了进一步完善的必要性。

詹默布格特市项目经理海蒂·埃格贝格·约翰森（Heidi Egeberg Johansen）承认该工具的潜力，同时强调准确性和可靠性的重要性。目前正在计划重新训练和调整模型，并寻求资金支持以支持持续的开发工作。

与洪水预警进展并行，DTU研究人员开创了科学机器学习技术，以增强水资源管理策略。将机器学习与科学计算相结合，在保持准确性的同时显著减少了计算时间。

DTU副教授艾伦·彼得·恩西格-卡尔普（Allan Peter Engsig-Karup）强调了这种方法在预测排水系统中水运动的益处。通过利用科学机器学习的力量，计算速度比传统方法快多达100倍，使决策者能够实时获取见解。

变革洪水管理实践

在洪水管理中整合AI驱动解决方案代表了韧性规划范式的转变。通过更快、更精确的预测，市政当局可以主动分配资源，实施预防措施，并有效调整基础设施以减轻洪水风险。

罗兰·勒韦强调了这一技术进步的实际影响，使决策者能够召集在一起并实时探索各种情景。通过简化决策过程，社区可以优化其应对策略，并增强对洪水事件的整体韧性。