|
Híreink          Szakmai linkek Szaknévsor |
Mesterséges intelligencia az árvizek előrejelzésében2025. december 12. 06:36
A mesterséges intelligencia globális áttörése az árvízelőrejelzésben Az árvíz a leggyakrabban előforduló természeti katasztrófa: számításoktól és becslésektől függően kb. 1,5-2 milliárd embert, vagyis a Földön minden ötödik ember érintett. A Világbank becslése szerint azzal, hogy a fejlődő országok előrejelző rendszerét a fejlett országok szintjére emeljük, évente átlagosan 23 ezer ember élete lenne megmenthető. a fejlődő országok korai előrejelző rendszereinek a fejlett országok szintjére emelése évi átlagosan 23 000 életet menthetne meg. A Copernicus katasztrófavédelmi szolgálat és az ENSZ Meteorológiai Világszervezete (WMO) adatai szerint az árvízzel kapcsolatos természeti katasztrófák száma 2000 óta több, mint duplájára nőtt, ami nagyrészt az éghajlatváltozás által felgyorsított hidrológiai ciklussal magyarázható. 2024 márciusában a Google Research Nature folyóiratban publikált tanulmánya bemutatta, hogy a mesterséges intelligencia alapú előrejelzés a fejlett térségek korábbi pontosságát hozza el azokra a területekre is, ahol korábban nem álltak rendelkezésre megbízható hidrológiai adatok. A Long Short-Term Memory (LSTM) neurális hálózatokra épülő modell öt nap előrejelzési idővel éri el azt a megbízhatóságot, amelyet a jelenlegi legkorszerűbb rendszer – az Európai Unió Copernicus Emergency Management Service által működtetett Global Flood Awareness System (GloFAS) – a nulla napos (azonnali) előrejelzéseknél produkál.
Hazai perspektívák: a HUN-REN SZTAKI kutatójának értékelése Béres Ferenc, a HUN-REN SZTAKI hálózatkutatója rámutatott az AI-alapú rendszerek hatalmas adatigényére: Hogyha minden egyes mérőponton összeadjuk a rendelkezésre álló idősornak a hosszát, az összesítve 152 ezer évnek felel meg. Tehát egy rendkívül nagy mértékű adatgyűjtési folyamat előzte meg a modell tanítását és kidolgozását. A Google által kidolgozott algoritmus megközelítően 6000 mérési pont adataiból tanul. Az adatokat atmoszférikus és talajközeli mérésekből szerezték: mérték a hőmérsékletet, a csapadék mennyiségét, a besugárzás mértékét és a légnyomást. Emellett műholdfelvételekkel is dolgoztak, amelyeket szintén mesterséges intelligencia segítségével elemeztek a minél pontosabb adatnyerés érdekében. A kutató kiemelte, hogy fontos bemeneti adatnak számított egy-egy terület lejtése, az ottani kőzet jellege és a talaj minősége, valamint az, hogy az adott terület mezőgazdasági szempontból mennyire aktív, vagy nagyváros közelében fekszik-e. Béres Ferenc hozzátette: a fejlett térségeknél, ahol megfelelő minőségű infrastruktúra áll rendelkezésre az adatok rögzítésére és monitorozására, sokkal pontosabb előrejelzést tud adni a mesterséges intelligencia. A jövőbeni alkalmazásokkal kapcsolatban Béres Ferenc fontos javaslatot fogalmazott meg: Ha egy ilyen gépi tanuló eljárásba betápláljuk a közép- és hosszú távú éghajlatmodellek által előrejelzett csapadékmintázatokat, akkor a mesterséges intelligencia segítségével útmutatást kaphatunk arra nézve, hogy a jövőben mely területeken, településeken milyen mértékben nő meg az árvizek kockázata. Ez a megközelítés például 50 éves időtávban visszajelzést adhatna azzal kapcsolatban, hogy mennyire nőhet meg az áradások kritikussági szintje.
Nemzetközi példák a mesterséges intelligencia árvízelőrejelzési alkalmazására Google Flood Hub – Globális rendszer A Google Flood Hub platform jelenleg több mint 80 országban működik, és körülbelül 700 millió ember számára nyújt árvíz-előrejelzési szolgáltatást. A rendszer akár 7 nappal előre képes jelezni a folyók áradását, és a forecasts szabadon, ingyenesen elérhetők bárki számára. A rendszer főbb jellemzői:
India – Monszun-előrejelzés és hiperlokális rendszerek India a Google Flood Forecasting Initiative első sikeres tesztterülete volt, ahol 2018-ban indult a pilotprogram a Bihar állambeli Patna régióban. 2020-ra a rendszer lefedettségét egész Indiára kiterjesztették, több mint 200 millió embert védve a monszun áradásaitól. A Google együttműködik az indiai Central Water Commission (CWC) hivatallal. 2024-ben a mumbai IIT Bombay kutatói egy új, ún. hiperlokális (nagyon kis, pontosan meghatározott földrajzi területre vonatkozó) előrejelző rendszert fejlesztettek ki MI-alapokon. A rendszer a 2024-es monszunszezonban 3 nappal előre jelezte a legtöbb extrém csapadékeseményt Mumbai területén, segítve az iskolabezárásokról és evakuációkról szóló döntéshozatalt. Assam államban a Cachar körzeti katasztrófavédelmi hatóság elindította a RAHAT (Rapid Action for Humanitarian Assistance in Tragedies) nevű MI-alapú alkalmazást, amely valós idejű kapcsolatot teremt a lakosság, a biztonsági erők és a kormányzat között árvízveszély esetén.
Brazília – Gyors reagálás a Rio Grande do Sul árvízre 2024 májusában Brazília Rio Grande do Sul államát 80 éve nem látott pusztító árvíz sújtotta. A katasztrófa 181 halálos áldozatot követelt és több mint 2 millió embert érintett. A Google együttműködve a Brazil Geológiai Szolgálattal (Serviço Geológico do Brasil) gyorsan több mint 200 új megfigyelési pontot aktivált a Flood Hub platformon. A valós idejű előrejelzési adatok lehetővé tették a helyi hatóságok és segélyszervezetek – köztük a World Vision Brazil – számára, hogy hatékonyan tervezzék meg a mentési műveleteket és az ivóvíz-, élelmiszer- és ágyneműkészletek elosztását, akár 2 napon belül eljuttatva a segítséget a rászorulókhoz.
Kína – Mazu globális korai előrejelző kezdeményezés 2024 júliusában a sanghaji World AI Conference-en a Kínai Meteorológiai Hivatal (CMA) bejelentette a Mazu nevű globális korai előrejelző kezdeményezést, amely egyetlen integrált rendszerben kezeli a viharokat, árvizeket és hőhullámokat. A rendszer célja, hogy technikai támogatást nyújtson más országoknak is, különösen a fejlődő régióknak. A Shanghai AI Laboratory által fejlesztett Fengwu előrejelző rendszer 10 napon túli, megbízható globális időjárás-előrejelzéseket tesz lehetővé, míg a Pekingi Meteorológiai Szolgálat által bevezetett Lingxi MI-eszköz a meteorológusok döntéstámogatását segíti. A tudományos kutatás terén a Xiangjiang folyó árvizeinek előrejelzésére LSTM-alapú modelleket alkalmaztak sikeresen, és országszerte deep learning alapú villámárvíz-előrejelző rendszereket fejlesztenek.
Európai Unió – GloFAS és EFAS rendszerek Az Európai Bizottság Közös Kutatóközpontja (JRC) és az Európai Középtávú Időjárás-előrejelzési Központ (ECMWF) által üzemeltetett Global Flood Awareness System (GloFAS) és az European Flood Awareness System (EFAS) a világ egyik legfejlettebb árvíz-előrejelző infrastruktúrája. 2023 júliusában indult a GloFAS 4.0 verzió, amely dupla felbontással (~5 km) működik elődjéhez képest. A rendszer a LISFLOOD nyílt forráskódú hidrológiai modellre épül, amely közel 2000 vízmérő állomás adatainak felhasználásával került kalibrálásra. A GloFAS 4.0 regionalizációs paramétereket is alkalmaz, amelyek lehetővé teszik a tudástranszfert a mérőállomásokkal nem rendelkező vízgyűjtő területekre is. Az EFAS 10 napos előrejelzési időablakkal működik, és valószínűségi alapú figyelmeztetéseket küld a nemzeti hidrológiai szolgálatoknak és az Európai Válság- és Koordinációs Központnak (ERCC).
A mesterséges intelligencia előnyei és kihívásai a katasztrófavédelemben A korai előrejelző rendszerek bizonyítottan hatékonyak: a Világbank és az ENSZ adatai szerint akár 43%-kal csökkenthetik az árvízzel kapcsolatos haláleseteket és 35–50%-kal a gazdasági károkat. Az MI-alapú megközelítés legfőbb előnyei:
Ugyanakkor fontos kihívások is maradnak: a vízhozammérő állomások egyenlőtlen eloszlása a világon, az éghajlatváltozás okozta szélsőséges időjárási minták kiszámíthatatlansága, valamint a rendszerek célba juttatása az érintett közösségekhez – különösen ott, ahol az okostelefon-használat alacsony.
Felhasznált források 1. Nearing, G. et al. (2024). Global prediction of extreme floods in ungauged watersheds. Nature, 627, 559–563. https://www.nature.com/articles/s41586-024-07145-1 2. HUN-REN (2024). A magyar árvíz helyzetét is előre jelezte az AI. https://hun-ren.hu/tudomanyos_hirek/a-magyar-arviz-helyzetet-is-elore-jelezte-az-ai-106985 3. Google Research (2024). How we are using AI for reliable flood forecasting at a global scale. https://blog.google/technology/ai/google-ai-global-flood-forecasting/ 4. Copernicus Emergency Management Service. Global Flood Awareness System (GloFAS). https://global-flood.emergency.copernicus.eu/ 5. Science (2024). New 'hyperlocal' forecasts aim to give Indian cities early warning of monsoon floods. https://www.science.org/content/article/new-hyperlocal-forecasts-aim-give-indian-cities-early-warning-monsoon-floods 6. Dialogue Earth (2025). China's extreme weather AI tools can help countries adapt. https://dialogue.earth/en/climate/chinas-extreme-weather-ai-tools-can-help-countries-adapt/
Fotó: Iqro Rinaldi / Unsplash |
A mesterséges intelligencia forradalmasítja az árvízi előrejelzést: a Google Flood Hub rendszere már 80 országban, köztük Magyarországon is működik, és akár 7 nappal előre képes jelezni a folyók áradását. A HUN-REN SZTAKI szakértői a hazai árvízelőrejelzésbe is sikerrel vonták be az MI-alapú megközelítést, amely sok helyen már most a döntéselőkészítés alapját képezi.
