Agencija Republike Slovenije za okolje (ARSO) umetno inteligenco in strojno učenje vse intenzivneje vključuje v napovedovanje vremena, pretokov rek, hudourniških poplav in višine morja. Cilj ni nadomestiti klasičnih fizikalnih modelov, temveč jih povezati z velikimi količinami okoljskih podatkov in novimi metodami ter tako hitreje zaznati nevarne naravne pojave in izboljšati pravočasnost opozoril.
Meteorologija, hidrologija in oceanografija so podatkovno in računsko zahtevna področja. ARSO zato umetno inteligenco uporablja predvsem tam, kjer lahko strojno učenje pospeši računske postopke, omogoči obdelavo večjih količin podatkov ter izboljša posamezne napovedi.
Pri tem ne gre za opuščanje obstoječih metod. Na ARSO poudarjajo povezovanje fizikalnih modelov, meritev in opazovanj, podatkov ter metod strojnega učenja.
Napoved pretokov rek vsako uro za naslednjih 60 ur
Eno od področij razvoja je napovedovanje pretokov rek. ARSO je v sodelovanju s Fakulteto za računalništvo in informatiko Univerze v Ljubljani razvil model globokega učenja SIREN.
Model povezuje napovedi vremenskega modela ALADIN z meritvami padavin in pretokov rek. Vsako uro pripravi napoved za naslednjih 60 ur.
Testiranje na izbranih vodomernih postajah je pokazalo, da lahko model doseže boljše rezultate od nekaterih obstoječih modelskih rešitev, njegova prednost pa se kaže zlasti pri napovedovanju visokih pretokov.
UI tudi za zgodnejše zaznavanje hudourniških poplav
Poseben izziv predstavljajo hudourniške poplave. Po podatkih ARSO se v Sloveniji pogosto pojavljajo na porečjih, manjših od 74 kvadratnih kilometrov. Ko začne reka vidno naraščati, je lahko za učinkovito opozarjanje že prepozno.
Zato razvijajo sistem FLOODCAST, ki s strojnim učenjem na podlagi trenutnega stanja ozračja ocenjuje verjetnost, da bo vodostaj oziroma pretok na določenem območju v naslednjih 6 do 72 urah presegel pretok, značilen za 10-letno povratno dobo.
Pri testiranju na letih, ki niso bila uporabljena za učenje modela, je FLOODCAST pri približno devetih opozorilih na enoto na leto napovedal poplave približno trikrat pogosteje kot klasični model. Najizrazitejša prednost se je pokazala pri napovedih šest ur vnaprej.
ARSO ob tem opozarja na pomembno omejitev: sistem pokaže, kdaj obstaja razlog za povečano pozornost, ne pa tudi, katera dolina bo poplavljena. FLOODCAST še ne deluje v realnem času in se ne uporablja v operativnem procesu. Namenjen je podpori strokovnjakom pri odločanju in ne samodejnemu izdajanju opozoril.
Napoved obalnih poplav v nekaj sekundah
Umetna inteligenca se uporablja tudi pri napovedovanju višine morske gladine. ARSO razvija sistem HIDRA4, ki združuje podatke o vremenu, plimovanju in preteklih meritvah morske gladine.
Sistem je namenjen napovedovanju obalnih poplav zaradi kombinacije plimovanja, vetra, zračnega tlaka in značilnih nihanj morske gladine.
V primerjavi s klasičnimi numeričnimi modeli, ki zahtevajo velike računske zmogljivosti, lahko nevronske mreže sistema HIDRA4 napoved za posamezno lokacijo izdelajo v nekaj sekundah. Model temelji na več kot 25 letih meritev in atmosferskih podatkov za približno 250 evropskih mareografskih postaj ter omogoča napovedovanje morske gladine za evropsko obalo od Sredozemlja in Jadrana do Baltika in severnih morij.
Razvoj tudi na področju meteocunamijev
ARSO z umetno inteligenco raziskuje tudi možnosti napovedovanja meteocunamijev – redkih pojavov, ki lahko povzročijo zelo hitra in velika nihanja morske gladine ter škodo na plovilih in obalni infrastrukturi.
Razvita nevronska mreža pri napovedovanju uporablja meteorološka polja, meritve morske gladine in podatke o preteklih nihanjih. Dosedanji rezultati za Bakar in Ploče kažejo dobre napovedi višine visokofrekvenčnih oscilacij, pri najizrazitejših dogodkih pa so odstopanja večja.
Za nadaljnje izboljšanje napovedi bo po navedbah ARSO pomembna predvsem gostejša mreža avtomatskih meteoroloških postaj in mareografov vzdolž vzhodne obale Jadrana.
Okoljski podatki postajajo vse pomembnejši
Razvoj teh sistemov temelji na velikih količinah kakovostnih podatkov. ARSO razpolaga z desetletji meritev vremena, voda in morja, ki so podlaga za učenje modelov umetne inteligence.
Agencija zato opozarja tudi na potrebo po skupni nacionalni infrastrukturi za učenje modelov umetne inteligence, saj razvoj velikih modelov zahteva računske zmogljivosti, ki presegajo možnosti posamezne institucije. Takšna infrastruktura bi lahko služila znanosti, javnim službam in gospodarstvu.
Razvoj umetne inteligence na področju meteorologije, hidrologije in oceanografije tako ni pomemben samo z vidika tehnološkega razvoja. Hitrejše zaznavanje nevarnih pojavov lahko pomeni tudi več časa za opozarjanje prebivalstva, Civilne zaščite in drugih služb ter za pravočasno zaščitno ukrepanje ob poplavah, visokem plimovanju in drugih vremenskih ekstremih.
Vir: Agencija Republike Slovenije za okolje