Kasırgalar Amerika’nın en yıkıcı doğal afetleridir ve diğer felaket türlerinden daha fazla ölüme ve maddi hasara neden olur. Bu güçlü tropik fırtınalar 1980’den bu yana 1,5 trilyon ABD dolarından fazla hasara yol açtı ve 7.000’den fazla insanı öldürdü.
Kasırgalardan kaynaklanan hasar ve ölümlerin 1 numaralı nedeni fırtına dalgasıdır.
Fırtına dalgalanması, güçlü rüzgarların suyu kıyı şeridine doğru itmesi ve kasırga içindeki hava basıncının kasırga dışındaki basınca kıyasla azalmasının birleşiminden kaynaklanan, okyanusun su seviyesindeki artıştır. Bu faktörlere ek olarak, kıyıya yakın yerlerde kırılan dalgalar, dalga oluşumu dediğimiz, fırtına dalgasının önemli bir bileşeni olabilen bir olay olan kıyı şeridi yakınında deniz seviyesinin yükselmesine neden olur.
Doğru fırtına dalgası tahminleri, kıyı sakinlerine tahliye için zaman vermek ve acil müdahale ekiplerine hazırlanmak için zaman vermek açısından kritik öneme sahiptir. Ancak yüksek çözünürlükte fırtına dalgası tahminleri yavaş olabilir.
Bir kıyı mühendisi olarak, fırtına dalgasının ve dalgaların okyanus tabanı ve kıyıdaki doğal ve insan yapımı özelliklerle nasıl etkileşime girdiğini ve bunların etkilerini azaltmanın yollarını inceliyorum. Kıyı taşkınları için fizik tabanlı modeller kullandım ve yakın zamanda yapay zekanın fırtına dalgası tahmini hızını artırabileceği yolları araştırıyorum.
Bugün fırtına dalgası nasıl tahmin ediliyor?
Günümüzde operasyonel fırtına dalgası tahminleri, su akışının fiziğine dayanan hidrodinamik modellere dayanmaktadır.
Bu modeller, öngörülen dalgalanma yüksekliğini hesaplamak ve hangi yerlerin en fazla risk altında olduğunu belirlemek için fırtınanın kıyıya doğru ilerleme hızı, rüzgar hızı ve yönü, gelgit zamanlaması ve deniz tabanının ve manzaranın şekli gibi mevcut çevresel koşulları kullanır.
Hidrodinamik modeller son yıllarda önemli ölçüde gelişti ve bilgisayarlar önemli ölçüde daha güçlü hale geldi; böylece çok geniş alanlarda hızlı, düşük çözünürlüklü simülasyonlar mümkün oldu. Ancak mahalle düzeyinde ayrıntı sağlayan yüksek çözünürlüklü simülasyonların çalıştırılması birkaç saat sürebilir.
Bu saatler, risk altındaki toplulukların güvenli bir şekilde tahliye edilmesi ve acil durum müdahale ekiplerinin yeterli şekilde hazırlanması açısından kritik öneme sahip olabilir.
Geniş bir alandaki fırtına dalgasını tahmin etmek için modelleyiciler, hedef alanı birlikte hesaplamalı bir ızgara veya ağ oluşturan birçok küçük parçaya ayırır. Bir görüntüdeki resim pikselleri. Izgara parçaları veya hücreler ne kadar küçük olursa çözünürlük o kadar yüksek ve tahmin o kadar doğru olur. Bununla birlikte, geniş bir alanda çok sayıda küçük hücre oluşturmak daha fazla bilgi işlem gücü gerektirir, dolayısıyla fırtına dalgalanmasını tahmin etmek daha uzun sürer.
Tahminciler, süreci hızlandırmak için düşük çözünürlüklü bilgisayar ızgaralarını kullanabilirler ancak bu, doğruluğu azaltır ve toplulukları sel riski konusunda daha fazla belirsizlikle karşı karşıya bırakır.
Yapay zeka bunu hızlandırmaya yardımcı olabilir.
Yapay zeka nasıl daha iyi tahminler oluşturabilir?
Fırtına dalgalanma tahminlerinde iki ana belirsizlik kaynağı vardır.
Bunlardan biri bilgisayar modeline beslenen verileri içerir. Bir kasırganın nereye ineceğini ve dalgalanmanın ne kadar şiddetli olacağını belirleyen fırtına yolu ve rüzgar alanını birkaç gün öncesinden doğru bir şekilde tahmin etmek hala zordur. Kanal taraması veya tuzlu bataklıkların, mangrovların veya kum tepelerinin kaybı gibi kıyı ve deniz tabanındaki değişiklikler, fırtına dalgasının karşılaşacağı direnci etkileyebilir.
İkinci belirsizlik, dalgalanma ve dalga hareketinin matematiksel denklemlerinin çözüldüğü hesaplamalı ızgaranın çözünürlüğünü içerir. Çözünürlük, modelin peyzaj yüksekliği ve arazi örtüsündeki değişiklikleri ne kadar iyi gördüğünü ve bunları ne kadar iyi açıkladığını ve kasırga dalgalanması ve dalga fiziğinin ne kadar ayrıntı düzeyinde çözüldüğünü belirler.
Yapay zeka modelleri ayrıntılı tahminleri daha hızlı üretebilir. Örneğin mühendisler ve bilim insanları, rüzgar alanına ilişkin verileri kullanarak kıyı şeridindeki su seviyelerini hızlı ve doğru bir şekilde tahmin edebilen, derin sinir ağlarına dayalı yapay zeka modelleri geliştirdiler. Bazı durumlarda bu modeller geleneksel hidrodinamik modellerden daha doğru sonuçlar vermektedir.
Yapay zeka ayrıca çok az tarihsel veriye sahip alanlar için tahminler geliştirebilir veya daha önce orada meydana gelmemiş olabilecek aşırı koşulları anlamak için kullanılabilir.
Bu tahminler için, yapay zekayı mümkün olabilecek ancak gerçekte gerçekleşmemiş senaryolar konusunda eğitmek amacıyla sentetik veriler oluşturmak için fizik tabanlı modeller kullanılabilir. Bir yapay zeka modeli hem geçmiş hem de sentetik veriler üzerinde eğitildikten sonra rüzgar ve atmosferik basınçla ilgili ayrıntıları kullanarak hızlı bir şekilde dalgalanma tahminleri oluşturabilir.
Yapay zekanın hidrodinamik modellerden elde edilen verilerle eğitilmesi, aynı zamanda tarihsel bir emsali olmayan ancak gelecekte meydana gelebilecek aşırı olaylarda hangi sokakların veya evlerin su altında kalacağını gösteren su baskını risk haritalarını hızlı bir şekilde oluşturma yeteneğini de geliştirebilir.
Kasırga tahmini için yapay zekanın geleceği
Yapay zeka halihazırda operasyonel fırtına dalgası tahminlerinde sınırlı bir şekilde, özellikle de yaygın olarak kullanılan fizik tabanlı modelleri güçlendirmek için kullanılıyor.
Ekibim ve diğer araştırmacılar, bu yöntemleri iyileştirmenin yanı sıra, gözlemlenen verileri kullanarak fırtına dalgası tahmini için yapay zekayı kullanmanın yollarını geliştiriyor, kasırga sonrası hasarı değerlendiriyor ve sel yoğunluğunu belirlemek için kamera görüntülerini işliyor. Bu, fırtına dalgası modellerini ayrıntılı düzeylerde doğrulamak için gereken verilerdeki kritik bir boşluğu doldurabilir.
Yapay zeka modelleri hızla hayatımızın her alanına yayıldıkça ve onları eğitmek için daha fazla veri elde edildikçe, teknoloji gelecekte kasırga ve fırtına dalgalanma tahminlerini iyileştirme potansiyeli sunuyor ve kıyı topluluklarına yoldaki riskler hakkında daha hızlı ve daha ayrıntılı uyarılar veriyor.
