I mars 1989 en utlöst krets i Hydro-Québecs elnät lämnade 6 miljoner människor utan elektricitet. En vecka tidigare, en ovanligt hård snöstorm hade ansträngt regionen; dagen före, en solflamma och åtföljande frigörande av plasma och magnetfält skickade ett berg av energi som drev mot jorden med en miljon miles i timmen.

De komplexa interaktionerna mellan dessa sammankopplade system – miljövetenskap, rymdväder och solaktivitet - drev elnätet till en tipppunkt som inte kunde förstås inom något av dessa system.

Predictive Risk Investigation System for Multilayer Dynamic Interconnection Analysis (PRISM), finansierat av National Science Foundation, syftar till att utnyttja data för att identifiera riskfaktorer över olika domäner för katastrofala händelser som 1989 års blackout, vilket påverkade transporten, mat, vatten, hälsa och finanser och ökade kostnader som översteg 2 miljarder dollar.

Columbia University International Research Institute for Climate and Society, del av Earth Institute, är en av de tio samverkande institutionerna i projektet.

PRISM-teamet – bestående av experter från datavetenskap, statistik, datavetenskap, finansiera, energi, lantbruk, ekologi, hydrologi, klimat och rymdväder – kommer att integrera stora datamängder över olika sektorer för att förbättra riskförutsägelsen. Ett sådant företag kräver betydande beräknings- och datakuratorkapacitet, något extremt väl lämpat för IRI:s databiblioteksplattform.

"Detta projekt tar in datauppsättningar från mycket olika vetenskapsdomäner som använder olika sätt att beskriva tid och rum och som använder olika filformat, "säger IRI:s Rémi Cousin." Vårt databibliotek tar bort sådana komplexiteter genom att placera all data i ett interoperabelt ramverk - ett projekt som forskare kan fråga online för att mata in i sina egna analysprogram. "

När uppgifterna har införlivats i databiblioteket, Cousin och hans medarbetare kommer att använda banbrytande analys för att identifiera vad de har kallat kritiska riskindikatorer – kvantifierbar information associerad med riskexponering, särskilt för potentiella katastrofer. De kommer också att använda maskininlärning för att leta efter avvikelser i data som kan leda till nya insikter.

"Vi vill fokusera vår uppmärksamhet på dessa värsta scenarier och de risker som är förknippade med dem, och hur vi kan mäta deras sannolikhet, " sa David S. Matteson från Cornell University, som är huvudutredare på två år, 2,4 miljoner dollar projekt.

"Vår förhoppning är att vi genom att identifiera systemviktiga kritiska risker – de som binder samman olika domäner och har den största spridningspotentialen – kommer att få den mest utbredda effekten när det gäller att kontrollera dessa risker, sa Matteson.

Om system hade funnits för att känna igen de ökade riskerna orsakade av snöstormen och solskenet, 1989 års strömavbrott kan ha avvärjts eller åtminstone minimerats. Liknande, Att förstå hur det påverkade system som hälso- och sjukvård och transporter skulle kunna hjälpa beslutsfattare att planera ett mer effektivt svar.

Det tvärvetenskapliga tillvägagångssättet är viktigt eftersom dagens värld består av mycket sammankopplade och beroende system, och ingen enda expert är utrustad för att identifiera tecken på risk eller katastrofernas fulla påverkan.

Forskarna kommer sedan att fokusera sina ansträngningar på att identifiera risksammankopplingar, och systemviktiga riskindikatorer över de olika domänerna, för att både förutsäga potentiella faror och för att minska eventuella systemomfattande förluster när de inträffat. De planerar att undersöka kända riskindikatorer och tillämpa datavetenskap för att identifiera nya.

"Vårt mål är i slutändan att hjälpa till att skapa tidiga varningssystem för katastrofer och förbättra beredskapen för dessa förödande händelser, " Cousin sa. "Vi planerar att integrera resultaten av projektet och göra dem tillgängliga för allmänheten via databiblioteket."

Denna berättelse publiceras på nytt med tillstånd av Earth Institute, Columbia University http://blogs.ei.columbia.edu.