Le previsioni delle inondazioni con i dati -block potrebbero salvare vite umane: un nuovo metodo di apprendimento automatico lo rende possibile

Le inondazioni estreme e gli smottamenti di fango che hanno colpito la California nelle ultime settimane hanno colto di sorpresa molti automobilisti.Le voragini hanno inghiottito le auto, le autostrade sono diventate fiumi d'acqua in rapido movimento, interi quartieri sono stati evacuati.Almeno 20 persone sono morte nelle tempeste, molti di loro dopo essere rimasto intrappolato nelle auto nell'acqua corrente.

Mentre controllavo le previsioni sulle app meteo del mio cellulare durante le settimane dei temporali all’inizio di gennaio 2023, mi chiedevo se le persone in mezzo agli acquazzoni utilizzassero una tecnologia simile per decidere se lasciare le proprie case e determinare quali percorsi fossero più sicuri.Ritenevano che fosse sufficiente?

Sono un idrologo che a volte lavora in aree remote, quindi l'interpretazione dei dati meteorologici e l'incertezza delle previsioni fa sempre parte della mia pianificazione.Essendo una persona che una volta è quasi annegata mentre attraversava un fiume in piena dove non avrei dovuto, sono anche profondamente consapevole dell’estrema vulnerabilità umana derivante dal non sapere esattamente dove e quando si verificherà un’alluvione.

Circa due terzi di vittime legate alle inondazioni negli Stati Uniti sono classificati come “guida” e “in acqua”..” Se le persone avessero saputo in tempo reale la probabilità di inondazioni in quelle località – tramite un’app per cellulare o un sito web – è possibile che alcune di queste morti avrebbero potuto essere evitate.

Eppure, anche il personale addetto alla gestione delle emergenze attualmente opera con sorprendentemente poche informazioni su quando e dove è probabile che si verifichino le inondazioni.Sanno dove possono verificarsi le inondazioni, particolarmente lungo fiumi.Ma ogni alluvione è diversa e le questioni chiave, come quali strade possono essere utilizzate in sicurezza e quali popolazioni sono esposte, richiedono ancora un’osservazione diretta.

Ho lavorato con i colleghi per sviluppare un metodo che aggiri gli attuali ostacoli a questo tipo di previsione. Utilizzando “apprendimento probabilistico" - un tipo di apprendimento automatico - il metodo può creare modelli locali di pericolo di inondazioni in grado di individuare le condizioni strada per strada utilizzando previsioni di tempesta in tempo reale.

La sfida della previsione delle piene

I programmi per computer in grado di prevedere cosa succede all’acqua piovana dopo che ha toccato il suolo sono gli strumenti più avanzati per prevedere in tempo reale dove e quando si verificheranno le inondazioni.

Tuttavia, tale alluvione i modelli richiedono enormi quantità di potenza di calcolo.Attualmente non esiste alcun mezzo per prevedere rapidamente e in tempo reale le inondazioni ovunque.Il livello di dettaglio rilevante per le decisioni umane – che rappresentano edifici, vie di evacuazione o risorse infrastrutturali – è fuori portata.

Una seconda sfida è la elevata incertezza nelle previsioni delle precipitazioni e in molti altri input dei modelli delle inondazioni.

La ricerca degli ultimi decenni ha esplorato le possibilità di risolvere queste formidabili sfide utilizzando approcci di “forza bruta”:computer più veloci e più computer.In definitiva, ciò suggerisce la necessità di ripensare il modo in cui prevediamo le inondazioni.

Progettare previsioni efficaci delle inondazioni locali

L’approccio che abbiamo sviluppato affronta queste sfide utilizzando un sofisticato modello di inondazione per sviluppare e addestrare modelli più semplici in grado di imitare il comportamento delle inondazioni negli ambienti locali quasi allo stesso livello di precisione del loro insegnante più potente.È importante sottolineare che abbiamo mostrato negli studi che anche un personal computer può utilizzare questi modelli più semplici per prevedere le inondazioni in tempo reale.Forse anche un cellulare.

Per prevedere le inondazioni, è necessario prevedere come le inondazioni iniziano e si evolvono nelle comunità urbane, con un elevato livello di dettaglio e una comprensione dei limiti di incertezza attorno alla previsione.

Il nostro approccio si basa su informazioni chiave di cui molte città già dispongono:dati dettagliati sulla topografia delle loro comunità e sul bacino idrografico circostante, su come viene utilizzato il terreno, sulla disposizione degli edifici e delle strade e sulle caratteristiche degli scarichi e dei tubi delle acque piovane, come la quantità di acqua che possono trasportare.In particolare, la pavimentazione e le infrastrutture obsolete per le acque piovane possono influenzare il modo in cui l’acqua scorre e quali aree si allagano in un ambiente urbano.

Utilizziamo quindi uno dei sistemi più aggiornati e sofisticati modelli di piena disponibili per addestrare modelli più semplici.

Questi modelli più semplici sono più veloci e richiedono molta meno potenza di calcolo perché utilizzano funzioni estremamente semplici e ciascuno si concentra su una singola variabile in un dato luogo e momento come, ad esempio, il livello di inondazione o la velocità del flusso dell’acqua.Migliaia di essi possono fornire un quadro straordinariamente accurato delle probabili inondazioni quando vengono aggiunte le informazioni sulle previsioni meteorologiche in tempo reale.

Il punto cruciale è che questi modelli più semplici vengono sviluppati nel “tempo libero”, ben prima delle tempeste.Queste analisi possono essere eseguite utilizzando a kit di strumenti liberamente disponibile sviluppato dal Dipartimento dell’Energia.

Questo approccio sostituisce il compito quasi impossibile del calcolo in tempo reale con il compito più semplice di utilizzare modelli semplici e precedentemente addestrati della comunità locale.

Noi ha dimostrato l'approccio in uno studio utilizzando l’alluvione del 2017 a Houston causata dall’uragano Harvey.I risultati hanno mostrato che un problema computazionale che altrimenti richiederebbe anni per essere eseguito su un normale computer può essere eseguito in pochi secondi con un livello di precisione paragonabile.

Guardando avanti

Come il riscaldamento globale aumenta l’intensità delle precipitazioni e le popolazioni crescono, i rischi di inondazioni aumenteranno.Un altro problema sempre più riconosciuto è che sono gli standard su come le comunità gestiscono le acque piovane in base al clima del passato.Gli scarichi e i tubi esistenti semplicemente non sono in grado di gestire l’acqua aggiuntiva, aumentando i costi dei danni provocati dalle inondazioni.

Anche se è necessario ulteriore lavoro per utilizzarlo su vasta scala, riteniamo che il metodo apra nuove strade per rendere la previsione delle inondazioni più pertinente, dettagliata e accurata.Offre inoltre gli strumenti per valutare l’adeguatezza delle infrastrutture esistenti per le acque piovane e può essere riprogettato per valutare l’impatto di altri rischi naturali difficili da quantificare, come frane e incendi.

Città con valori domestici elevati probabilmente vedranno più servizi di previsione delle inondazioni da parte del settore privato.Tuttavia, le agenzie governative potrebbero utilizzare questo tipo di nuova modellazione per espandere la propria missione di previsione e assistere tutti.Si potrebbero immaginare che le contee, con le giuste competenze e risorse, forniscano previsioni locali sulle inondazioni.Chi, se non le comunità locali, è maggiormente coinvolto nella gestione efficace e nella mitigazione delle inondazioni?