Poate AI prezice inundațiile râurilor cu 72 de ore înainte folosind doar sateliți disponibili public ?

Poate inteligența artificială să deducă inundații iminente ale râurilor din imagini satelitare publice și date meteorologice de bază, fără a se baza pe stațiile de măsurare a nivelului râurilor sau pe hărți de drenaj? Această provocare izolează rolul raționamentului spațial timpuriu în predicția inundațiilor.

Background

Sistemele de predicție a inundațiilor combină, de obicei, modele hidrologice cu date de senzori în timp real, cum ar fi stațiile de măsurare a nivelului râurilor, măsurători ale debitului și hărți ale infrastructurii de drenaj. Sursele publice de satelit includ imagini optice și radar cu apertură sintetică (SAR) din misiuni precum Sentinel-1/2 și Landsat, care oferă cartografierea extinderii inundațiilor la rezoluție medie, precum și estimări ale precipitațiilor din datele NASA Global Precipitation Measurement (GPM) și NOAA CMORPH. Senzorii SAR sunt deosebit de utili datorită capacității lor de a obține imagini indiferent de condițiile meteorologice, ziua sau noaptea. Sistemele operaționale de avertizare timpurie a inundațiilor, precum Sistemul European de Avertizare a Inundațiilor (EFAS) și Modelul Național al Apelor al NOAA, se bazează pe modele hidrologice calibrate cu date de la stații, în timp ce cercetările au explorat utilizarea extinderii apei și a precipitațiilor derivate din satelit pentru detectarea și prognozarea inundațiilor în bazinele fără stații de măsurare. Studiile demonstrează că modelele de inteligență artificială antrenate pe observații satelitare istorice și precipitații prognozate pot anticipa evenimentele de inundații cu 24–48 de ore înainte în unele cazuri, dar precizia scade pentru orizonturi mai lungi din cauza incertitudinii prognozelor de precipitații și a rezoluției limitate a datelor satelitare.

Studiile de teledetecție au arătat că fluxurile satelitare optice și radar disponibile gratuit (de exemplu, Sentinel-1/2, MODIS) pot detecta indicatori antecedenți precum solurile saturate, penele de topire a zăpezii și creșterea norilor convectivi cu până la 72 de ore înainte de debitul maxim. Modelele hidrologice operaționale au fuzionat istoric aceste scene cu înregistrările de la stații și modelele digitale de elevație, dar cercetările recente demonstrează că predictori pur bazati pe imagini, combinați cu câmpuri grosiere de prognoză numerică a vremii, pot egala sau depăși performanța modelelor tradiționale de scurgere a precipitațiilor în bazinele fără stații de măsurare. Seturile de date de referință construite din arhive internaționale de inundații (de exemplu, Dartmouth Flood Observatory, Copernicus EMS) oferă mii de evenimente etichetate care permit antrenarea supervizată a arhitecturilor convolutionale și transformer pentru cartografierea riscului de inundații spațio-temporală. Validarea încrucișată pe bazine din Africa și Asia de Sud-Est indică faptul că modelele antrenate exclusiv pe date publice păstrează o precizie la rezoluție zilnică în limita a ±20 % față de înălțimea și momentul maxim la 72 de ore de anticipare, cu cea mai bună performanță în regiunile tropicale umede și musonice, unde radarul care penetrează norii este decisiv. Limitările persistă în zonele de inundații rapide aride și sub acoperire persistentă de nori, unde decalajele temporale degradează precizia în ciuda tehnicilor de augmentare a datelor și fuziunii optic-SAR. Integrarea prognozelor aproape în timp real ale precipitațiilor din sateliții geostaționari stabilizează în continuare prognozele pe 72 de ore, însă cea mai bună precizie raportată la nivel de anticipare încă se bazează pe cel puțin un strat digital de elevație de înaltă rezoluție pentru rutarea hidraulică.

— Îmbogățit 16 mai 2026 · Sursă: Remote Sensing of Environment, 2023