Susanne Nielsen si rende conto che probabilmente è solo questione di tempo prima che la casa estiva dei suoi genitori a Slettestrand, nello Jutland settentrionale, venga colpita da un'alluvione. Perché sotto casa, che si trova a soli 400 metri dalla baia di Jammerbugt, nel comune omonimo, il livello delle acque sotterranee è spesso così alto che c'è il rischio che grandi quantità di pioggia non riescano a filtrare, ma piuttosto entrare in casa.
"È una preoccupazione se piove molto", ammette.
Per offrire ai residenti e ai decisori le migliori possibilità di proteggersi dalle inondazioni nella zona, i ricercatori della DTU hanno aiutato il comune di Jammerbugt a sviluppare uno strumento di allerta precoce. Può fornire un preavviso di 48 ore in caso di inondazioni locali lungo fiumi, torrenti e aree costiere del comune. È il primo nel suo genere a fornire avvisi di inondazioni locali.
"Ci darà il tempo di reagire se necessario, quindi sarà di grande aiuto", dice Susanne Nielsen dalla sua casa ad Aalborg, a circa 40 chilometri dalla casa estiva di cui si prende cura per i suoi genitori, che vivono in Norvegia.
Lo strumento, il cosiddetto “indice umido”, si basa su un’intelligenza artificiale addestrata su dati liberamente disponibili sulle dinamiche che influenzano il rischio di inondazioni. I dati provengono da immagini satellitari e previsioni meteorologiche, nonché informazioni sui livelli del suolo e dell'acqua di mare e sulla topografia del paesaggio.
Tuttavia, il movimento e l’accumulo dell’acqua nei paesaggi aperti sono difficili da calcolare perché molti parametri influenzano il modo in cui l’acqua si muove e si accumula. Per gestire questa complessità, è stata utilizzata l'intelligenza artificiale nello sviluppo del modello dietro l'indice umido.
Utilizzando principi di progettazione specifici nella costruzione del modello e alimentandolo con dati accuratamente selezionati, i ricercatori hanno incorporato la comprensione del movimento, della distribuzione e dell'interazione dell'acqua con l'ambiente circostante, secondo Roland Löwe. È uno degli sviluppatori dell'indice umido e professore associato presso DTU specializzato nel comportamento dell'acqua.
Il comune di Jammerbugt ha testato lo strumento nel 2023. I risultati mostrano previsioni migliori del previsto per i mesi primaverili umidi. Tuttavia, durante il periodo estivo, quando la Danimarca era quasi colpita dalla siccità, lo strumento prevedeva erroneamente le inondazioni nelle stesse aree che erano state allagate durante la primavera piovosa.
Le previsioni errate erano dovute al fatto che lo strumento veniva addestrato con troppo pochi dati dei mesi estivi. Questo perché i satelliti non possono registrare l'acqua sotto la vegetazione e dato che i campi sono coperti da piante durante l'estate, il set di dati in quel periodo dell'anno è più piccolo.
"Un allarme tempestivo deve essere relativamente accurato affinché i cittadini possano fidarsi del sistema. Questo è il motivo per cui abbiamo scelto di fare un giro di prova, in cui solo i cittadini selezionati lo hanno controllato regolarmente, e dove noi come comune avevamo droni in volo per convalidare le previsioni ," spiega la responsabile del progetto Heidi Egeberg Johansen del comune di Jammerbugt.
Tuttavia, sottolinea che l'esperienza complessiva dimostra che i partner del progetto hanno creato uno strumento con un grande potenziale. Pertanto, il comune sta cercando finanziamenti per riqualificare ed eventualmente adattare il modello, che rimarrà offline finché i lavori non saranno completati, afferma Heidi Egeberg Johansen.
Calcoli accurati sono fondamentali, non solo quando i cittadini e i servizi di emergenza devono preparare tubi dell’acqua e sacchi di sabbia, ma anche quando, ad esempio, i comuni devono decidere come espandere al meglio i propri sistemi di drenaggio per gestire il clima più umido del futuro. Le simulazioni tradizionali possono facilmente produrre calcoli attendibili sulla capacità dei sistemi di deviare l'acqua in diversi scenari, ma secondo Roland Löwe, richiedono un'eternità per essere completati.
"In pratica, ciò significa che ogni volta che i pianificatori devono analizzare qualcosa, devono assumere consulenti che scompaiono in una scatola per due mesi prima di poter tornare con i risultati. E questo è semplicemente troppo scomodo", spiega.
Per abbreviare i tempi di calcolo mantenendo la precisione fisica, i ricercatori si affidano all'apprendimento automatico scientifico, un ramo dell'intelligenza artificiale che combina due approcci diversi.
Uno è l’apprendimento automatico, in cui un computer capisce come analizzare una grande quantità di dati e fa previsioni senza avere una comprensione teorica dei fenomeni che sta analizzando. Il filtro antispam nella tua email o la funzione di riconoscimento facciale nel tuo telefono sono esempi di apprendimento automatico.
L'altro approccio è il calcolo scientifico, che può, ad esempio, simulare i processi fisici, che in questo caso riguarda il modo in cui l'acqua si muove attraverso un dato spazio sotto l'influenza di diversi fattori.
"Il vantaggio di combinare i due approcci è che si ottengono modelli di apprendimento automatico che hanno una comprensione incorporata di come ci si aspetta che il sistema si comporti. Ciò aiuta a garantire che i modelli generino previsioni rapide che abbiano senso fisicamente e non siano tutte ovunque, il che può rappresentare un problema con i modelli di machine learning", afferma Roland Löwe.
In un progetto in cui il professore, insieme alla startup WaterZerv e al professore associato della DTU Allan Peter Engsig-Karup, ha utilizzato l'apprendimento automatico scientifico per prevedere il movimento dell'acqua attraverso i sistemi di drenaggio, sono riusciti a eseguire calcoli 100 volte più velocemente rispetto ai modelli tradizionali.
"Quindi, invece di esternalizzare un progetto, è possibile riunire i decisori rilevanti in una stanza per eseguire i modelli dal vivo e ottenere i risultati più o meno immediatamente. È quindi possibile sedersi e provare diverse opzioni per trovare la soluzione migliore per un progetto. data situazione", spiega.
Fornito dall'Università Tecnica della Danimarca
