En modell med artificiell intelligens (AI) kan förbättra noggrannheten i översvämningsprognoser, enligt en ny studie publicerad i Nature . Systemet har visat sig vara lika exakt som, eller en förbättring av, nuvarande ledande metoder och kan ge tidigare varningar om stora översvämningshändelser.
Människoorsakade klimatförändringar har ökat frekvensen av översvämningar i vissa regioner. Nuvarande prognosmetoder begränsas av deras beroende av strömmätare (övervakningsstationer längs floder), som inte är jämnt fördelade över hela världen. Oavbrutna floder är därför svårare att förutsäga, med de negativa effekterna av detta främst för utvecklingsländerna.
Gray Nearing och kollegor har utvecklat en AI-modell som tränades med hjälp av 5 680 befintliga mätare för att förutsäga dagliga strömflöden i ojämna vattendelar under en 7-dagars prognosperiod. AI-modellen testades sedan mot den ledande globala programvaran för att förutsäga översvämningar i både kortsiktiga och långsiktiga scenarier, Global Flood Awareness System (GloFAS).
AI-modellen kunde ge översvämningsförutsägelser fem dagar i förväg som var lika tillförlitliga som, eller bättre än, det nuvarande systemets förutsägelser samma dag. Dessutom var noggrannheten hos AI-modellen vid förutsägelse av extrema väderhändelser med ett returfönster på fem år lika med eller en förbättring jämfört med GloFAS-förutsägelserna för händelser med ett års returperiod.
Dessa resultat tyder på att AI-modellen kan ge översvämningsvarningar för både små och extrema händelser i ofyllda bassänger med en längre varseltid än tidigare metoder och kan förbättra tillgången till tillförlitlig översvämningsprognoser för utvecklingsregioner.
Mer information: Grey Nearing et al, Global förutsägelse av extrema översvämningar i ojämna vattendelar, Nature (2024). DOI:10.1038/s41586-024-07145-1
Journalinformation: Natur
Tillhandahålls av Springer