Klimaat & energie › Klimaat-AI & biosfeersimulaties
AI-techniek uit fotobewerking blijkt overstromingen goed te voorspellen
Amerikaanse onderzoekers hebben een AI-techniek die bekend is van het wegpoetsen van objecten in foto's, omgebouwd tot een instrument voor het voorspellen van rivierafvoer. Het model blijkt vooral goed in het inschatten van de allerzwaarste overstromingen, blijkt uit een studie in Water Resources Research.
Wie op zijn smartphone een storend object uit een foto veegt, gebruikt vaak een zogenoemd diffusiemodel: een AI-systeem dat de weggehaalde achtergrond automatisch en overtuigend aanvult. Een team van Amerikaanse onderzoekers, onder leiding van Wenyu Yang en collega's, heeft diezelfde onderliggende techniek nu ingezet voor een heel ander doel: het voorspellen van rivierafvoer, ofwel de hoeveelheid water die per uur door een rivier stroomt. De resultaten zijn gepubliceerd in het julinummer van het wetenschappelijke tijdschrift Water Resources Research.
Van fotobewerking naar rivierpeil
Een diffusiemodel werkt door willekeurige ruis stap voor stap om te zetten in een geloofwaardig resultaat, een proces dat denoising heet. Bij een foto levert dat een ingevulde achtergrond op, bij het nieuwe hydrologische model levert het een voorspelling van de waterafvoer op, inclusief een inschatting van de onzekerheid daarin. Dat laatste is waardevol voor waterbeheerders: in plaats van één harde uitkomst geeft het model een waaier aan mogelijke scenario's, vergelijkbaar met een ensemblevoorspelling zoals ook bij weersvoorspellingen wordt gebruikt. Daarnaast kan het systeem metingen die maar af en toe binnenkomen, tussentijds aanvullen tot een fijnmaziger uurlijkse reeks, en kan het nieuwe metingen direct in de lopende voorspelling verwerken zodra ze binnenkomen.
Beter zicht op extreme overstromingen
Om te testen of de aanpak werkt, vergeleken de onderzoekers hun model met bestaande voorspellingsmethoden op de CAMELS-dataset, een veelgebruikte verzameling meetgegevens van stroomgebieden verspreid over de Verenigde Staten. Bij zo'n benchmark worden verschillende modellen op dezelfde data losgelaten, zodat hun prestaties eerlijk te vergelijken zijn. Het diffusiemodel scoorde daarbij niet alleen beter op de gemiddelde nauwkeurigheid, maar vooral op het voorspellen van de heftigste 1 procent aan overstromingen: precies de gebeurtenissen waarbij een goede voorspelling levens en eigendommen kan redden. Op een kaart van de Verenigde Staten is te zien dat de verbetering door het meenemen van actuele metingen in bijna het hele land merkbaar is.
Volgens de onderzoekers opent de techniek nieuwe mogelijkheden voor de hydrologie, het vakgebied dat de beweging en verspreiding van water op aarde bestudeert. Denk aan het beter combineren van modellen met live metingen, het voorspellen op plekken waar meetstations ontbreken, en het inschatten van onzekerheid bij extreem weer. Omdat overstromingen door klimaatverandering naar verwachting vaker en heftiger voorkomen, kan een preciezer en sneller waarschuwingssysteem bijdragen aan betere evacuaties en waterbeheer.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Als AI-modellen die oorspronkelijk voor beeldbewerking zijn ontwikkeld, ook bruikbaar blijken voor het voorspellen van natuurrampen zoals overstromingen, opent dat de deur voor snellere en preciezere vroegtijdige waarschuwingssystemen wereldwijd. Vooral in gebieden met weinig meetstations kan dit soort technologie levens redden doordat overheden eerder en gerichter kunnen ingrijpen.
- Diffusiemodel
- Een AI-techniek die uit willekeurige ruis stap voor stap een geloofwaardig resultaat opbouwt, bekend van het automatisch invullen van weggehaalde delen in foto's.
- Denoising
- Het proces waarbij een AI-model ruis omzet in een bruikbaar, betekenisvol resultaat.
- Ensemblevoorspelling
- Een voorspelling die bestaat uit meerdere mogelijke scenario's in plaats van één uitkomst, waardoor ook de onzekerheid zichtbaar wordt.
- Benchmark
- Een gestandaardiseerde test waarmee de prestaties van verschillende modellen op dezelfde data eerlijk met elkaar worden vergeleken.
- Temporele downscaling
- Het omzetten van grove, onregelmatige metingen naar een fijnmaziger tijdreeks, bijvoorbeeld van een paar metingen per dag naar een voorspelling per uur.
- Data-assimilatie
- Het proces waarbij nieuwe, binnenkomende metingen direct worden verwerkt in een lopend voorspellingsmodel om de nauwkeurigheid te verbeteren.
- Hydrologisch model
- Een computermodel dat de beweging en hoeveelheid water in rivieren, grondwater en neerslag simuleert of voorspelt.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.