Вчені створили AI-карти, що прогнозують повені на місяці вперед

Нова Англія — складний регіон для прогнозування повеней. Річкова мережа з безлічі малих водотоків, різноманітний рельєф і атмосферні процеси Атлантики роблять традиційні математичні моделі малоефективними.

Джерело: phys.org

Самуель Муньйос, доцент морських та екологічних наук Північно-Східного університету, пояснює: попередні дослідження стосувалися великих річок, на кшталт Міссісіпі, де механізми формування паводків простіші. У Новій Англії все інакше — численні малі річки, різкі перепади рельєфу й різні типи опадів: від снігу до ураганів.

Нове дослідження Муньйоса та аспірантки Ліндсі Лоренс, опубліковане у Geophysical Research Letters, застосувало машинне навчання для створення «самоорганізованих карт». Ці моделі показали, як атмосфера та стан поверхні взаємодіють, формуючи всього чотири ключові патерни, що призводять до повеней у Новій Англії. Це прорив у моделюванні — технологія дозволяє попереджати паводки завчасно, що особливо важливо в умовах глобального потепління.

Лоренс використала дані з 1979 року, згрупувавши їх у кластерні карти, які зберігають форму й структуру вихідних даних. Після аналізу стало очевидним: до повеней приводять характерні поєднання тиску, температури та вологості ґрунту. Карти також виявили сезонність — три патерни переважають наприкінці зими та навесні, один — улітку. Метеорологи зможуть видавати ранні попередження, що допоможе рятувати життя.

Дослідники також прагнуть зрозуміти, як зміна клімату впливатиме на майбутні паводки й посухи. Традиційні глобальні моделі погано відтворюють опади, адже працюють у масштабі сіток 100×100 км, тоді як мікрофізика хмар існує на значно менших масштабах. Машинне навчання дозволило подолати цю проблему: прив’язавши повені до комбінацій тиску, температури та вологості ґрунту, можна відстежувати, як ці чинники змінюються у міру нагрівання атмосфери.

Муньйос зазначає: ці карти не лише пояснюють минулі катастрофи, а й дадуть змогу прогнозувати затоплення у майбутньому, коли клімат змінюватиметься все швидше.