Susanne Nielsen se rend compte que ce n'est probablement qu'une question de temps avant que la maison d'été de ses parents à Slettestrand, dans le nord du Jutland, ne soit touchée par des inondations. Car sous la maison, située à seulement 400 mètres de la baie de Jammerbugt, dans la commune du même nom, le niveau de la nappe phréatique est souvent si élevé qu'il existe un risque que de grandes quantités de pluie ne puissent pas s'infiltrer, mais entrez plutôt dans la maison.
"C'est une préoccupation que nous avons s'il pleut beaucoup", admet-elle.
Pour donner aux résidents et aux décideurs la meilleure chance de se protéger contre les inondations dans la région, des chercheurs du DTU ont aidé la municipalité de Jammerbugt à développer un outil d'alerte précoce. Il peut fournir un préavis de 48 heures en cas d'inondation locale le long des rivières, des ruisseaux et des zones côtières de la municipalité. C'est le premier du genre à fournir des alertes locales d'inondation.
"Cela nous donnera le temps de réagir si nécessaire, ce sera donc d'une grande aide", déclare Susanne Nielsen depuis son domicile à Aalborg, à environ 40 kilomètres de la maison d'été dont elle s'occupe pour ses parents, qui vivent en Norvège.
L'outil, appelé « indice humide », est basé sur une intelligence artificielle entraînée à partir de données librement disponibles sur les dynamiques qui influencent le risque d'inondation. Les données proviennent d'images satellite et de prévisions météorologiques, ainsi que d'informations sur les niveaux d'eau du sol et de la mer et la topographie du paysage.
Cependant, le mouvement et l’accumulation de l’eau dans les paysages ouverts sont difficiles à calculer car de nombreux paramètres affectent la façon dont l’eau se déplace et s’accumule. Pour gérer cette complexité, l'intelligence artificielle a été utilisée dans le développement du modèle derrière l'indice humide.
En utilisant des principes de conception spécifiques dans la construction du modèle et en l'alimentant avec des données soigneusement sélectionnées, les chercheurs ont intégré une compréhension du mouvement, de la distribution et de l'interaction de l'eau avec l'environnement, selon Roland Löwe. Il est l'un des développeurs de l'indice humide et professeur agrégé au DTU spécialisé dans le comportement de l'eau.
La municipalité de Jammerbugt a testé l'outil en 2023. Les résultats montrent des prévisions meilleures que prévu pour les mois humides du printemps. Cependant, pendant la période estivale, alors que le Danemark était presque frappé par la sécheresse, l'outil a prédit de manière incorrecte les inondations dans les mêmes zones qui avaient été inondées au printemps pluvieux.
Les prédictions incorrectes étaient dues au fait que l’outil avait été entraîné avec trop peu de données provenant des mois d’été. En effet, les satellites ne peuvent pas enregistrer l'eau sous la végétation et étant donné que les champs sont couverts de plantes pendant l'été, l'ensemble de données à cette période de l'année est plus petit.
"Une alerte précoce doit être relativement précise pour que les citoyens puissent faire confiance au système. C'est pourquoi nous avons choisi de faire un essai, où seuls des citoyens sélectionnés l'ont vérifié régulièrement - et où nous, en tant que municipalité, avions des drones dans les airs pour valider les prévisions. ", explique la chef de projet Heidi Egeberg Johansen de la municipalité de Jammerbugt.
Cependant, elle souligne que l'expérience globale montre que les partenaires du projet ont créé un outil doté d'un grand potentiel. La municipalité recherche donc des fonds pour recycler et éventuellement ajuster le modèle, qui sera hors ligne jusqu'à ce que ces travaux soient terminés, explique Heidi Egeberg Johansen.
Des calculs précis sont cruciaux, non seulement lorsque les citoyens et les services d'urgence doivent préparer des conduites d'eau et des sacs de sable, mais aussi lorsque, par exemple, les municipalités doivent décider de la meilleure façon d'étendre leurs systèmes de drainage pour faire face au climat plus humide du futur. Les simulations traditionnelles peuvent facilement produire des calculs fiables sur la capacité des systèmes à détourner l'eau dans différents scénarios, mais selon Roland Löwe, leur réalisation prend une éternité.
"En pratique, cela signifie que chaque fois que les planificateurs doivent analyser quelque chose, ils doivent embaucher des consultants qui disparaissent dans une boîte pendant deux mois avant de pouvoir revenir avec des résultats. Et c'est tout simplement trop gênant", explique-t-il.
Pour réduire le temps de calcul tout en conservant la précision physique, les chercheurs s'appuient sur l'apprentissage automatique scientifique, une branche de l'intelligence artificielle qui combine deux approches différentes.
L’un d’entre eux est l’apprentissage automatique, dans lequel un ordinateur découvre comment analyser une grande quantité de données et fait des prédictions sans avoir une compréhension théorique des phénomènes qu’il analyse. Le filtre anti-spam de votre courrier électronique ou la fonction de reconnaissance faciale de votre téléphone sont des exemples d'apprentissage automatique.
L'autre approche est le calcul scientifique, qui peut, par exemple, simuler des processus physiques, qui dans ce cas sont la façon dont l'eau se déplace dans un espace donné sous l'influence de plusieurs facteurs.
« L'avantage de combiner les deux approches est que vous obtenez des modèles d'apprentissage automatique qui ont une compréhension intégrée de la façon dont le système est censé se comporter. Cela permet de garantir que les modèles génèrent des prédictions rapides qui ont un sens physiquement et ne sont pas toutes logiques. à l'envers, ce qui peut poser problème avec les modèles d'apprentissage automatique", explique Roland Löwe.
Dans un projet dans lequel le professeur, avec la startup WaterZerv et le professeur agrégé à la DTU Allan Peter Engsig-Karup, a utilisé l'apprentissage automatique scientifique pour prédire le mouvement de l'eau dans les systèmes de drainage, ils ont réussi à effectuer des calculs 100 fois plus rapides qu'avec les modèles traditionnels. /P>
« Ainsi, au lieu d'externaliser un projet, vous pouvez rassembler les décideurs concernés dans une salle pour exécuter les modèles en direct et obtenir les résultats plus ou moins immédiatement. Vous pouvez ensuite vous asseoir et essayer différentes options pour trouver la meilleure solution pour un projet. situation donnée", explique-t-il.
Fourni par l'Université technique du Danemark
