Les prévisions d'inondations avec des données with -block pourraient sauver des vies – une nouvelle méthode d'apprentissage automatique rend cela possible

Les inondations extrêmes et les coulées de boue qui ont traversé la Californie ces dernières semaines ont surpris de nombreux conducteurs.Les dolines ont englouti les voitures, les autoroutes sont devenues des rivières d’eau rapides, des quartiers entiers ont été évacués.Au moins 20 personnes sont mortes dans les tempêtes, plusieurs d'entre eux après avoir été coincé dans des voitures dans des eaux tumultueuses.

En vérifiant les prévisions sur les applications météo de mon téléphone portable pendant les semaines de tempêtes du début janvier 2023, je me suis demandé si les gens, au milieu des averses, utilisaient une technologie similaire pour décider s'ils devaient quitter leur domicile et déterminer quels itinéraires étaient les plus sûrs.Estimaient-ils que c'était suffisant ?

je suis un hydrologue qui travaille parfois dans des régions éloignées, donc l’interprétation des données météorologiques et de l’incertitude des prévisions fait toujours partie de ma planification.Ayant failli se noyer en traversant une rivière en crue alors que je n’aurais pas dû le faire, je suis également extrêmement conscient de l’extrême vulnérabilité humaine liée au fait de ne pas savoir exactement où et quand une inondation surviendra.

Environ les deux tiers de décès liés aux inondations aux États-Unis sont classés comme «conduite » et « dans l’eau.» Si les gens avaient connu en temps réel la probabilité d’inondations dans ces endroits – via une application sur téléphone portable ou un site Web – il est possible que certains de ces décès auraient pu être évités.

Pourtant, même le personnel de gestion des situations d’urgence opère actuellement avec étonnamment peu d’informations sur le moment et le lieu où les inondations sont susceptibles de se produire.Ils savent où les inondations peuvent survenir, particulièrement le long rivières.Mais chaque inondation est différente, et des questions clés, comme celles de savoir quelles routes peuvent être empruntées en toute sécurité et quelles populations sont exposées, nécessitent toujours une observation directe.

J'ai travaillé avec des collègues pour développer une méthode permettant de contourner les obstacles actuels à ce type de prévision. Utiliser « l’apprentissage probabiliste" – un type d'apprentissage automatique – la méthode peut créer des modèles locaux de risque d'inondation qui peuvent identifier les conditions rue par rue à l'aide de prévisions de tempêtes en temps réel.

Le défi de la prévision des crues

Les programmes informatiques capables de prédire ce qu’il adviendra de l’eau de pluie une fois qu’elle touche le sol sont les outils ultimes pour prédire en temps réel où et quand les inondations se produiront.

Cependant, une telle inondation les modèles nécessitent d’immenses quantités de puissance de calcul.Il n’existe actuellement aucun moyen de prédire rapidement et en temps réel les inondations, n’importe où.Le niveau de détail pertinent pour les décisions humaines – représentant les bâtiments, les voies d’évacuation ou les infrastructures – est hors de portée.

Un deuxième défi est le grande incertitude dans les prévisions de précipitations et dans de nombreux autres intrants des modèles d'inondations.

Les recherches des dernières décennies ont exploré les possibilités de résoudre ces formidables défis en utilisant des approches de « force brute » :des ordinateurs plus rapides et plus d'ordinateurs.En fin de compte, cela suggère la nécessité de repenser la manière dont nous prévoyons les inondations.

Concevoir des prévisions locales efficaces des crues

L'approche que nous avons développée relève ces défis en utilisant un modèle d'inondation sophistiqué pour développer et former des modèles plus simples qui peuvent ensuite imiter le comportement des inondations dans des environnements locaux avec presque le même niveau de précision que leur professeur plus puissant.Surtout, nous avons montré dans les études que même un ordinateur personnel peut alors utiliser ces modèles plus simples pour prévoir les inondations en temps réel.Peut-être même un téléphone portable.

Pour prévoir les inondations, il faut prédire comment les inondations commencent et évoluent dans les communautés urbaines – avec un niveau de détail élevé et une compréhension des limites d’incertitude autour de la prévision.

Notre approche s’appuie sur des informations clés dont de nombreuses villes disposent déjà :des données détaillées sur la topographie de leurs communautés et du bassin versant environnant, la manière dont les terres sont utilisées, la disposition des bâtiments et des routes, ainsi que les caractéristiques des canalisations et des canalisations d'eaux pluviales, telles que la quantité d'eau qu'elles peuvent transporter.Les chaussées et les infrastructures de traitement des eaux pluviales obsolètes, en particulier, peuvent affecter la manière dont l'eau s'écoule et les zones inondées dans un environnement urbain.

Nous utilisons ensuite l'un des systèmes les plus récents et les plus sophistiqués. modèles d'inondation disponibles pour former des modèles plus simples.

Ces modèles plus simples sont plus rapides et nécessitent beaucoup moins de puissance de calcul car ils utilisent des fonctions extrêmement simples et chacun se concentre sur une seule variable à un endroit et à un moment donnés, comme, par exemple, le niveau d'inondation ou la vitesse d'écoulement de l'eau.Des milliers d’entre eux peuvent fournir une image remarquablement précise des inondations probables lorsque des informations météorologiques en temps réel sont ajoutées.

Le point crucial est que ces modèles plus simples sont développés en « temps libre », bien avant les tempêtes.Ces analyses peuvent être effectuées à l'aide d'un boîte à outils disponible gratuitement développé par le ministère de l’Énergie.

Cette approche remplace la charge presque impossible du calcul en temps réel par la tâche plus facile consistant à utiliser des modèles simples et préalablement formés de la communauté locale.

Nous a démontré l'approche dans une étude utilisant les inondations de 2017 à Houston suite à l'ouragan Harvey.Les résultats ont montré qu’un problème informatique qui prendrait autrement des années à être exécuté sur un ordinateur classique peut être exécuté en quelques secondes seulement avec un niveau de précision comparable.

Regarder vers l'avenir

Comme le réchauffement climatique augmente l’intensité des précipitations et les populations augmentent, les risques d’inondations vont augmenter.Un autre problème de plus en plus reconnu est que les normes sur la façon dont les communautés gèrent les eaux pluviales sont basé sur le climat du passé.Les égouts pluviaux et les canalisations existantes ne peuvent tout simplement pas gérer l'eau supplémentaire, augmenter les coûts des dommages causés par les inondations.

Bien que des travaux supplémentaires soient nécessaires pour que cette méthode soit largement utilisée, nous pensons que cette méthode ouvre la voie pour rendre la prévision des crues plus pertinente, plus détaillée et plus précise.Il offre également le moyen d'évaluer l'adéquation des infrastructures de gestion des eaux pluviales existantes et peut être remanié pour évaluer l'impact d'autres risques naturels difficiles à quantifier, tels que les glissements de terrain et les incendies.

Villes avec valeurs élevées de la maison sont susceptibles de bénéficier de davantage de services de prévision des inondations de la part du secteur privé.Cependant, les agences gouvernementales pourraient utiliser ce type de modélisation nouvelle pour étendre leur mission de prévision afin d’aider tout le monde.On pourrait imaginer que des comtés, dotés des compétences et des ressources appropriées, fournissent des prévisions locales des inondations.Qui, si ce n’est les communautés locales, est le plus impliqué dans la gestion efficace des interventions en cas d’inondation et dans l’atténuation de leurs effets ?