• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Forskare utvecklar verktyg för översikt av översvämningar

    Blå cirklar betecknar noder som har en liten sannolikhet för översvämning, medan röda cirklar visar noder som har högre sannolikhet för översvämning. Ju mörkare den röda färgen, desto större chans har noden för översvämningar. Upphovsman:Ali Mostafavi

    Genom att integrera stadens dräneringssystem och avläsningar från översvämningsinstrument i en omfattande statistisk ram, forskare vid Texas A&M University kan nu exakt förutse utvecklingen av översvämningar i extrema situationer som orkaner. Med deras nya tillvägagångssätt, forskarna sa att deras algoritm kunde förutsäga flödet av översvämningsvatten i nästan realtid, som sedan kan leda till tidigare nödsituationer och planering.

    "Att inte veta var översvämningsvattnet kommer att flöda härnäst är särskilt skadligt för första insatser som behöver mäta översvämningsnivån för sina räddningsinsatser, "sade Dr. Ali Mostafavi, biträdande professor vid Zachrys institution för civil- och miljöteknik. "Vår nya algoritm anser att de underjordiska dräneringskanalerna ger en korrekt bild av hur översvämningar sprider sig. Detta verktyg, Vi tror, kan i stor utsträckning hjälpa katastrofhantering eftersom de första respondenterna kommer att kunna se på vilket sätt översvämningsvatten kommer att strömma i realtid. "

    En beskrivning av forskarnas algoritm finns i decembernumret av tidskriften Datorstödd civil- och infrastruktursteknik .

    Orkaner är ökända för att skapa kaos på strandlinjer, välta träd, riva kraftledningar och framför allt, orsakar allvarliga översvämningar. Konventionellt, forskare har använt fysikbaserade modeller för att förutsäga var vatten kan samlas, rinna över och orsaka översvämningar. I huvudsak, dessa modeller fångar hur fysiska egenskaper hos jordens yta och urbana landskap påverkar vattenflödet över marken.

    Även om den är robust att förutsäga när och var översvämningar kommer att ske under de flesta nederbörd, Mostafavi sa att dessa traditionella modeller inte fungerar lika bra när det gäller att förutsäga översvämningar under händelser av kraftig nederbörd, som orkanen Harvey.

    "Fysikbaserade modeller erbjuder ett perspektiv på hur översvämningar kan spridas, vilket är oerhört användbart, men bilden de ger är något ofullständig, "sa han." Vi ville använda befintlig data om hur tidigare översvämningar har spridit sig genom dräneringskanalerna för att utveckla en modell som skulle kunna förutsäga, inom en viss noggrannhet, hur framtida översvämningar kommer att sprida sig. "

    Dräneringskanaler är ett genomarbetat nätverk av sammanflätade kanaler som möts tillsammans vid korsningar som kallas noder. Således, översvämningar i en kanal kan direkt eller indirekt påverka andra kanaler och få översvämningar att spridas, ungefär som en dominoeffekt.

    För att förutsäga på vilket sätt översvämningsvatten kommer att strömma längs dräneringskanaler och orsaka en översvämning, Mostafavi och hans team utvecklade en sannolikhetsbaserad modell som matades, som en av dess ingångar, vattennivåavläsningarna på översvämningsmätare. Dessa avläsningar var för olika tidpunkter under två stora översvämningar i Texas - orkanen Harvey 2017 och Houstons Memorial Day översvämning 2015.

    När deras algoritm väl hade tränats i vattenflödesmönster genom dräneringsnätet för dessa kraftiga nederbördshändelser, forskarna testade om deras modell fungerade genom att kontrollera om den kunde förutsäga översvämningsmönstren som observerats under Houstons översvämning av skattedagen 2016.

    De fann att deras modell uppnådde en noggrannhet på 85% när det gällde att förutsäga hur översvämningen spridit sig genom stadens dräneringssystem under översvämningen på skattedagen. Även om modellen validerades med hjälp av en tidigare översvämning, Mostafavi sa att modellens framgång tyder på att den också kommer att kunna förutsäga hur nya översvämningar kommer att sprida sig genom stadens dräneringsnät. Denna insikt kan hjälpa räddningspersonal att ta förebyggande åtgärder mot evakueringar, han sa.

    Noterar förbehållet i deras modell, Mostafavi sa att prestandan för deras algoritm kan äventyras om sensorerna på översvämningsmätare misslyckas. Dock, genom att komplettera förutsägelserna från fysikbaserade modeller med de från deras teams nya algoritm kan återigen återställa noggrannheten i översvämningsprognoser.

    "Traditionella modeller och våra datadrivna modeller kan användas för att komplettera varandra för att ge en mer exakt bild av vart översvämningsvattnet kommer att gå, "sa Mostafavi." Orkaner av storleken Harvey eller Katrina betraktas i allmänhet som en händelse på ett tusen år, men de är kanske inte lika sällsynta om vi överväger förändringarna i globala vädermönster på grund av klimatförändringar. Men vi har nu mer robusta verktyg för att klara stormen. "


    © Vetenskap https://sv.scienceaq.com