چتر گوگل بر مناطق سیل‌خیز جهان

چند سالی است که بر خلاف انتظار، سیلاب در فصل تابستان هم مردم را غافلگیر می‌کند؛ اتفاقی غیرمنتظره که امسال هم در برخی استان ها رخ داد. سیلاب سال‌هاست که جان و مال بشر را تهدید می‌کند و خسارات جانی و مالی فراوانی به جا می‌گذارد؛ خساراتی که به گفته محققان می‌توان با پیش‌بینی‌های دقیق، تا حد زیادی از آن کاست و در این میان، فناوری‌های مختلف از جمله هوش مصنوعی می‌توانند نقشی ویژه ایفا کنند.

 آرزو کیهان
خبر نگار

پیش‌بینی وقوع سیلاب
در ۸۰ کشور جهان
سیلاب یکی از شایع‌ترین بلایای طبیعی است که سالانه ۵۰ میلیارد دلار خسارت مالی در سراسر جهان به بار می‌آورد. از سوی دیگر به دلیل تغییرات آب‌وهوایی، میزان وقوع سیلاب از سال ۲۰۰۰ میلادی تاکنون بیش از دو برابر شده است. آمارها نشان می‌دهد ۱/۵ میلیارد نفر معادل حدود ۱۹درصد از جمعیت کل جهان در معرض خطر سیلاب قرار دارند، به همین دلیل بشر همواره به دنبال استفاده از فناوری‌های جدید بوده تا بتواند چنین حوادثی را مهار کند یا خسارات جانی و مالی را به حداقل برساند.
یکی از بازیگران موفق در این عرصه، گوگل است که با راه‌اندازی ابزار
  Flood Hubدر منوی خود، موفق شده سیلاب را ۷ روز قبل از وقوع پیش‌بینی کند. این ابزار هم‌اکنون در دسترس ۸۰ کشور جهان و ۴۶۰ میلیون نفر قرار دارد تا بتواند از جوامع آسیب‌پذیر و در معرض خطر سیلاب حفاظت کند. این ابزار می‌تواند با استفاده از نقشه‌های محلی رودخانه‌ها، میزان ورود آب به آنها را به کاربران نشان دهد، مردم هم می‌توانند با زوم کردن بر نقشه سیل، اطلاعات مربوط به آن را در هر منطقه‌ای پیدا کنند. این ابزار ظرف ماه‌های گذشته، ۱۱۵میلیون هشدار وقوع سیل را به ۲۳ میلیون نفر که در معرض خطر سیل قرار داشته‌اند، ارسال کرده است. این هشدارها توانست به طور قابل‌توجهی به کاهش تلفات جانی کمک کند و به ساکنان منطقه زمان بیشتری برای فرار یا مقابله با سیلاب بدهد. البته ابزار گوگل علاوه بر سیل، داده‌های مربوط به آتش‌سوزی را هم در دسترس مردم قرار می‌دهد.

هوش مصنوعی یار کمکی گوگل
 گوگل برای پیش‌بینی سیل در مقیاس جهانی از فناوری‌های یادگیری ماشین و داده‌هایی نظیر سوابق رودخانه‌ها و اطلاعات ثبت ‌شده استفاده کرده اما هوش مصنوعی پا را فراتر گذاشته و با استفاده از داده‌های متفاوت، وقوع سیلاب را در مقیاسی سریع‌تر پیش‌بینی می‌کند. در واقع ابزار Flood Hub، محصول سال‌ها تحقیق است که با کمک هوش مصنوعی ارتقای قابل‌توجهی یافته است.
 گزارش «پیش‌بینی جهانی سیل‌های شدید در حوضه‌های آبخیز» مجله نیچر نشان می‌دهد که چگونه فناوری یادگیری ماشینی (ML) می‌تواند به پیش‌بینی دقیق سیل کمک کند. تاکنون از این روش برای دستیابی به اطلاعات بیشتر و قابل ‌اطمینان‌تر برای پیش‌بینی وقوع سیلاب در آسیا، آفریقا و اروپا استفاده شده است.
 با گذشت زمان، محققان متوجه شدند مدل‌های جدید مبتنی بر شبکه عصبی LSTM می‌توانند شبیه‌سازی‌های دقیق‌تری نسبت به مدل‌های هیدرولوژی مفهومی‌و مبتنی بر فیزیک سنتی انجام دهند. در مدل‌های هیدرولوژی فقط به ورودی‌های روزانه مانند میزان بارش، دما و غیره توجه می‌شود و وضعیت فعلی منطقه شامل میزان رطوبت و مقاومت خاک محل مورد بررسی قرار می‌گیرد، اما در مدل LSTM داده‌های ورودی بیشترند و بر شرایط آب‌وهوایی و میزان ورودی آب تمرکز می‌شود. همچنین در این مدل، داده‌های آماری همچون دما، فشار، رطوبت، میزان بارندگی، حجم آب رودخانه و موقعیت‌های جغرافیایی و ژئوفیزیکی حوضه‌های آبخیز، میزان تابش نور خورشید و فرونشست زمین و عوامل مختلف انسانی در فصول زمانی منظم جمع‌آوری می‌شوند.

ورود سازمان جهانی هواشناسی
استفاده از هوش مصنوعی برای پیش‌بینی سیلاب توسط سازمان جهانی هواشناسی (WMO) مورد توجه قرار گرفته، به گونه‌ای که این سازمان اعلام کرده است برای حمایت بیشتر و دقیق‌تر از دستگاه‌های هشدار زودهنگام، باید مطالعات بیشتری صورت پذیرد تا روشن شود چگونه استفاده بیشتر از هوش مصنوعی می‌تواند به مقابله با چالش‌های دنیای واقعی که آژانس‌های ملی پیش‌بینی سیل با آن مواجه هستند، کمک کند. این سازمان یادآور شده است داده‌های اطلاعاتی جوامع دانشگاهی، همکاری دولت‌های محلی و همچنین به‌کارگیری بهینه فناوری‌های نوین، بر تشخیص زودهنگام زمان وقوع سیلاب تأثیرگذار خواهد بود.

مدیریت بحران سیلاب
 به گزارش انگجت، دانشمندان اتحادیه اروپا هم نمونه اولیه یک پلتفرم با نام SMFR را ارائه داده‌اند و معتقدند این پلتفرم با هشدار بموقع، به نیروهای مدیریت بحران کمک می‌کند تا درک بهتری از رویدادها در محل وقوع سیل داشته باشند. در نتیجه، اماکن در معرض خطر سیل یا مراکزی که در وضعیت بحرانی قرار دارند، سریع‌تر تشخیص داده می‌شوند و به این ترتیب مدیریت بحران با نظم بیشتری انجام خواهد شد.
به دنبال شناسایی مناطقی با ریسک بالای سیل، پلتفرم SMFR توئیت‌های کاربران با محتوای سیل را در مناطق مورد نظر جمع‌آوری می‌کند. البته جمع‌آوری اطلاعات معتبر از توئیتر نیز کار آسانی نیست و در میان توئیت‌ها شاهد اطلاع‌رسانی نادرست و انتشار اخبار جعلی هم هستیم؛ این موضوعی است که طراحان پلتفرم مذکور را با دردسر مواجه می‌کند. از سوی دیگر کاربران توئیتر به بیش از ۲۷ زبان مختلف سخن می‌گویند و توئیت می‌کنند و ترجمه همه این زبان‌ها برای این پلتفرم امکانپذیر نیست. برای این منظور محققان در پلتفرم SMFR کلیدواژه‌های مربوط به سیل را به زبان‌های انگلیسی، آلمانی، اسپانیایی و فرانسوی هم ترجمه کرده‌اند. این روش، سال گذشته هنگام جمع‌آوری اطلاعات در سیل کالابریا واقع در جنوب ایتالیا مورد آزمایش قرار گرفت. محققان با کمک این پلتفرم موفق شدند ۱۴ هزار و ۳۴۷ توئیت را طی ۳ روز جمع‌آوری و اطلاعات را بر اساس موقعیت مکانی تقسیم‌بندی کنند و امیدوارند این سیستم بتواند در کنار اطلاعات دیگر همچون داده‌های مربوط به تصاویر ماهواره‌ای که جمع‌آوری می‌شود، به تشخیص زودهنگام سیلاب و امدادرسانی به آسیب‌دیدگان کمک کند.

اینترنت اشیا و پهپادها
 اینترنت اشیا و پهپادها هم برای مدیریت و کاهش اثرات بلایای طبیعی بسیار مؤثر عمل می‌کنند. در اینترنت اشیا از حسگرهایی برای جمع‌آوری داده‌ها از تمامی‌عوامل طبیعی استفاده می‌شود؛ به‌ عنوان ‌مثال یک حسگر میزان رطوبت و دما را رصد و حسگر شناور دیگر به طور مداوم میزان سطح آب را کنترل می‌کند.
 با تجزیه‌ و تحلیل فوری این اطلاعات لحظه‌ای، می‌توان در زمان مناسب به بلایای طبیعی واکنش نشان داد و میزان خسارات سیلاب را کمتر کرد. صنعت فضایی هم با در اختیار داشتن ماهواره‌های نسل جدید مدار پایین زمین (LEO) گام بلندی برای مقابله با بلایای طبیعی برداشته است.

چین پیشرو
 کشورهای مختلفی به مدیریت و پیش‌بینی فناورانه سیلاب ورود کرده‌اند ولی چین را می‌توان در این زمینه پیشرو دانست. به تازگی دانشمندان چینی مدل هوش مصنوعی جدیدی معرفی کرده‌اند که می‌تواند خطر سیل را در سراسر جهان، حتی در مناطق فاقد سوابق هیدرولوژیکی پیش‌بینی کند. این مدل که ED-DLSTM نامیده می‌شود، مانند سایر مدل‌های پیش‌بینی، بر داده‌های جریان تاریخی متکی نیست و در عوض از ویژگی‌هایی مانند ارتفاع آب و بارش استفاده می‌کند.

صفحات
آرشیو تاریخی
شماره هشت هزار و پانصد و پنجاه و پنج
 - شماره هشت هزار و پانصد و پنجاه و پنج - ۲۶ شهریور ۱۴۰۳