Πώς η τεχνητή νοημοσύνη βελτιώνει τις προβλέψεις καταιγίδων

Η καταστροφική δύναμη των τυφώνων

Οι τυφώνες αποτελούν έναν από τους πιο καταστροφικούς φυσικούς κινδύνους στις Ηνωμένες Πολιτείες, προκαλώντας περισσότερους θανάτους και ζημιές από οποιαδήποτε άλλη φυσική καταστροφή. Από το 1980, αυτές οι πανίσχυρες τροπικές καταιγίδες έχουν προκαλέσει ζημιές άνω των 1,5 τρισεκατομμυρίων δολαρίων και έχουν στοιχίσει τη ζωή σε περισσότερους από 7.000 ανθρώπους.

Ο κύριος λόγος για τις καταστροφές και τους θανάτους από τους τυφώνες είναι το φαινόμενο της πλημμυρίδας, γνωστό ως storm surge.

Τι είναι το storm surge;

Το storm surge είναι η άνοδος της στάθμης του ωκεανού, που προκαλείται από τον συνδυασμό ισχυρών ανέμων που ωθούν το νερό προς την ακτή και της μειωμένης ατμοσφαιρικής πίεσης εντός του τυφώνα σε σύγκριση με την εξωτερική πίεση. Επιπλέον, τα κύματα που σπάνε κοντά στην ακτή προκαλούν αύξηση της στάθμης της θάλασσας κοντά στην ακτογραμμή, ένα φαινόμενο που ονομάζουμε wave setup, το οποίο μπορεί να είναι σημαντικό συστατικό του storm surge.

Οι ακριβείς προβλέψεις για το storm surge είναι κρίσιμες για να δοθεί χρόνος στους κατοίκους των παράκτιων περιοχών να εκκενώσουν και στους έκτακτους διασώστες να προετοιμαστούν. Ωστόσο, οι προβλέψεις υψηλής ανάλυσης μπορεί να είναι αργές.

Ως παράκτιος μηχανικός, μελετώ πώς το storm surge και τα κύματα αλληλεπιδρούν με φυσικά και ανθρώπινα κατασκευασμένα χαρακτηριστικά στον πυθμένα της θάλασσας και την ακτή, και τρόπους για να μετριάσουμε τις επιπτώσεις τους. Έχω χρησιμοποιήσει μοντέλα βασισμένα στη φυσική για πλημμύρες παράκτιων περιοχών και πρόσφατα εξερευνώ τρόπους με τους οποίους η τεχνητή νοημοσύνη μπορεί να βελτιώσει την ταχύτητα πρόγνωσης του storm surge.

Πώς προβλέπεται σήμερα το storm surge

Σήμερα, οι επιχειρησιακές προβλέψεις για το storm surge βασίζονται σε υδροδυναμικά μοντέλα που στηρίζονται στη φυσική της ροής των υδάτων. Αυτά τα μοντέλα χρησιμοποιούν τις τρέχουσες περιβαλλοντικές συνθήκες – όπως η ταχύτητα και η κατεύθυνση του ανέμου, ο χρόνος της παλίρροιας, το σχήμα του πυθμένα της θάλασσας και του τοπίου – για να υπολογίσουν το προβλεπόμενο ύψος της πλημμυρίδας και να καθορίσουν ποιες περιοχές κινδυνεύουν περισσότερο.

Τα υδροδυναμικά μοντέλα έχουν βελτιωθεί σημαντικά τις τελευταίες δεκαετίες, και οι υπολογιστές έχουν γίνει πολύ πιο ισχυροί, επιτρέποντας γρήγορες προσομοιώσεις χαμηλής ανάλυσης σε πολύ μεγάλες περιοχές. Ωστόσο, οι προσομοιώσεις υψηλής ανάλυσης που παρέχουν λεπτομέρειες σε επίπεδο γειτονιάς μπορεί να χρειαστούν αρκετές ώρες για να ολοκληρωθούν.

Αυτές οι ώρες μπορεί να είναι κρίσιμες για τις κοινότητες που βρίσκονται σε κίνδυνο να εκκενώσουν με ασφάλεια και για τους έκτακτους διασώστες να προετοιμαστούν επαρκώς.

Η σημασία της ανάλυσης και της ταχύτητας

Για να προβλέψουμε το storm surge σε μια ευρεία περιοχή, οι μοντελιστές χωρίζουν την περιοχή στόχο σε πολλά μικρά κομμάτια που μαζί σχηματίζουν ένα υπολογιστικό πλέγμα. Σκεφτείτε τα ως pixels σε μια εικόνα. Όσο μικρότερα είναι τα κομμάτια του πλέγματος, τόσο υψηλότερη είναι η ανάλυση και τόσο πιο ακριβής είναι η πρόβλεψη. Ωστόσο, η δημιουργία πολλών μικρών κελιών σε μια μεγάλη περιοχή απαιτεί μεγαλύτερη υπολογιστική ισχύ, οπότε η πρόβλεψη του storm surge απαιτεί περισσότερο χρόνο.

Οι προγνώστες μπορούν να χρησιμοποιήσουν υπολογιστικά πλέγματα χαμηλής ανάλυσης για να επιταχύνουν τη διαδικασία, αλλά αυτό μειώνει την ακρίβεια, αφήνοντας τις κοινότητες με περισσότερη αβεβαιότητα σχετικά με τον κίνδυνο πλημμύρας τους. Εδώ μπορεί να βοηθήσει η AI.

Πώς η AI μπορεί να δημιουργήσει καλύτερες προβλέψεις

Υπάρχουν δύο κύριες πηγές αβεβαιότητας στις προβλέψεις storm surge. Η πρώτη αφορά τα δεδομένα που εισάγονται στο υπολογιστικό μοντέλο. Η πορεία του τυφώνα και το πεδίο ανέμου, που καθορίζουν πού θα προσκρούσει και πόσο έντονη θα είναι η πλημμυρίδα, παραμένουν δύσκολο να προβλεφθούν με ακρίβεια περισσότερες από λίγες ημέρες νωρίτερα. Οι αλλαγές στην ακτή και τον πυθμένα της θάλασσας, όπως από εκσκαφή καναλιών ή απώλεια αλμυρών βάλτων, μαγκρόβιων ή αμμοθινών, μπορούν να επηρεάσουν την αντίσταση που θα αντιμετωπίσει η πλημμυρίδα.

Η δεύτερη αβεβαιότητα αφορά την ανάλυση του υπολογιστικού πλέγματος, πάνω στο οποίο λύνονται οι μαθηματικές εξισώσεις της πλημμυρίδας και της κίνησης των κυμάτων. Η ανάλυση καθορίζει πόσο καλά το μοντέλο βλέπει τις αλλαγές στο υψόμετρο του τοπίου και την κάλυψη της γης και τις λαμβάνει υπόψη του, καθώς και σε ποιο βαθμό γρανουλαρίωσης λύνεται η φυσική της πλημμυρίδας και των κυμάτων του τυφώνα.

Τα μοντέλα AI μπορούν να παράγουν λεπτομερείς προβλέψεις ταχύτερα. Για παράδειγμα, μηχανικοί και επιστήμονες έχουν αναπτύξει μοντέλα AI βασισμένα σε βαθιά νευρωνικά δίκτυα που μπορούν να προβλέψουν τα επίπεδα του νερού κατά μήκος της ακτογραμμής γρήγορα και με ακρίβεια χρησιμοποιώντας δεδομένα για το πεδίο ανέμου. Σε ορισμένες περιπτώσεις, αυτά τα μοντέλα έχουν αποδειχθεί πιο ακριβή από τα παραδοσιακά υδροδυναμικά μοντέλα.

Η χρήση της AI σε περιοχές με περιορισμένα δεδομένα

Η AI μπορεί επίσης να αναπτύξει προβλέψεις για περιοχές με λίγα ιστορικά δεδομένα ή να χρησιμοποιηθεί για να κατανοήσει ακραίες συνθήκες που μπορεί να μην έχουν συμβεί εκεί στο παρελθόν. Για αυτές τις προβλέψεις, τα μοντέλα βασισμένα στη φυσική μπορούν να χρησιμοποιηθούν για να δημιουργήσουν συνθετικά δεδομένα για να εκπαιδευτεί η AI σε σενάρια που μπορεί να είναι πιθανά αλλά δεν έχουν πραγματικά συμβεί. Μόλις ένα μοντέλο AI εκπαιδευτεί τόσο στα ιστορικά όσο και στα συνθετικά δεδομένα, μπορεί γρήγορα να δημιουργήσει προβλέψεις πλημμυρίδας χρησιμοποιώντας λεπτομέρειες για τον άνεμο και την ατμοσφαιρική πίεση.

Η εκπαίδευση της AI σε δεδομένα από υδροδυναμικά μοντέλα μπορεί επίσης να βελτιώσει την ικανότητά της να δημιουργεί γρήγορα χάρτες κινδύνου πλημμύρας που δείχνουν ποιοι δρόμοι ή σπίτια είναι πιθανό να πλημμυρίσουν σε ακραία γεγονότα που μπορεί να μην έχουν ιστορικό προηγούμενο αλλά θα μπορούσαν να συμβούν στο μέλλον.

Το μέλλον της AI στην πρόγνωση τυφώνων

Η AI ήδη χρησιμοποιείται σε επιχειρησιακές προβλέψεις storm surge σε περιορισμένο βαθμό, κυρίως για να ενισχύσει τα συνήθως χρησιμοποιούμενα μοντέλα βασισμένα στη φυσική. Εκτός από τη βελτίωση αυτών των μεθόδων, η ομάδα μου και άλλοι ερευνητές αναπτύσσουμε τρόπους να χρησιμοποιήσουμε την AI για πρόγνωση πλημμυρίδας χρησιμοποιώντας παρατηρήσιμα δεδομένα, αξιολογώντας τις ζημιές μετά τους τυφώνες και επεξεργαζόμενοι εικόνες από κάμερες για να συμπεράνουμε την ένταση της πλημμύρας. Αυτό μπορεί να καλύψει ένα κρίσιμο κενό στα δεδομένα που χρειάζονται για την επαλήθευση των μοντέλων πλημμυρίδας σε λεπτομερή επίπεδα.

Καθώς τα μοντέλα τεχνητής νοημοσύνης εξαπλώνονται ραγδαία σε κάθε πτυχή της ζωής μας και περισσότερα δεδομένα γίνονται διαθέσιμα για την εκπαίδευσή τους, η τεχνολογία προσφέρει τη δυνατότητα να βελτιώσει την πρόγνωση τυφώνων και πλημμυρίδων στο μέλλον, παρέχοντας στις παράκτιες κοινότητες ταχύτερες και πιο λεπτομερείς προειδοποιήσεις για τους κινδύνους που έρχονται.