Los huracanes son los peligros naturales más devastadores de Estados Unidos y causan más muertes y daños a la propiedad que cualquier otro tipo de desastre. Desde 1980, estas poderosas tormentas tropicales han causado daños por más de 1,5 billones de dólares y han matado a más de 7.000 personas.
La causa número uno de daños y muertes por huracanes es la marejada ciclónica.
Una marejada ciclónica es un aumento en los niveles de agua en el océano, causado por una combinación de fuertes vientos que empujan el agua hacia la costa y una presión de aire reducida dentro del huracán en comparación con la presión fuera de él. Además de estos factores, las olas que rompen cerca de la costa hacen que el nivel del mar aumente cerca de la costa, un fenómeno que llamamos emplazamiento de olas, que puede ser un componente importante de una marejada ciclónica.
Los pronósticos precisos de marejadas ciclónicas son fundamentales para dar tiempo a los residentes costeros para evacuar y a los servicios de emergencia para prepararse. Pero los pronósticos de marejadas ciclónicas de alta resolución pueden ser lentos.
Una fotografía aérea de Fort Myers Beach, Florida, después del huracán Ian en septiembre de 2022, muestra el daño que puede causar una marejada ciclónica. Ricardo Arduengo/AFP vía Getty Images
Como ingeniero costero, estudio cómo las marejadas ciclónicas y las olas interactúan con las características naturales y humanas en el fondo del océano y la costa y las formas de mitigar su impacto. He utilizado modelos basados en la física para inundaciones costeras y recientemente exploré formas en que la inteligencia artificial puede mejorar la velocidad de predicción de las marejadas ciclónicas.
Cómo se pronostican hoy las marejadas ciclónicas
Hoy en día, los pronósticos operativos de marejadas ciclónicas se basan en modelos hidrodinámicos, que se basan en la física del flujo de agua.
Estos modelos utilizan las condiciones ambientales actuales, como la velocidad de la tormenta hacia la costa, la velocidad y dirección del viento, el momento de las mareas y la forma del fondo marino y el paisaje, para calcular las alturas de las marejadas proyectadas y determinar qué lugares corren mayor riesgo.
Los modelos hidrodinámicos han mejorado significativamente en las últimas décadas y las computadoras se han vuelto significativamente más poderosas, de modo que son posibles simulaciones rápidas y de baja resolución en superficies muy grandes. Sin embargo, una simulación de alta resolución que proporcione detalles a nivel de vecindario puede llevar varias horas.
Esas horas pueden ser críticas para que las comunidades en riesgo puedan evacuar de manera segura y para que los socorristas se preparen adecuadamente.
Pronóstico de marejada ciclónica del Centro Nacional de Huracanes para el huracán Ian dos días antes de tocar tierra cerca de Fort Myers, Florida, el 28 de septiembre de 2022. NOAA
Para predecir una marejada ciclónica en un área amplia, los modeladores dividen el área objetivo en muchas partes pequeñas que juntas forman una red o cuadrícula informática. Píxeles de la imagen en la imagen. Cuanto más pequeñas sean las secciones o celdas de la cuadrícula, mayor será la resolución y más precisa será la previsión. Sin embargo, crear muchas células pequeñas en un área grande requiere más potencia informática, por lo que pronosticar una marejada ciclónica lleva más tiempo.
Los pronosticadores pueden utilizar redes informáticas de baja resolución para acelerar el proceso, pero esto reduce la precisión y deja a las comunidades con mayor incertidumbre sobre el riesgo de inundaciones.
La IA puede ayudar a acelerar eso.
Cómo la IA puede crear mejores pronósticos
Hay dos fuentes principales de incertidumbre en los pronósticos de marejadas ciclónicas.
Uno implica la introducción de datos en un modelo informático. La trayectoria de la tormenta y el campo de viento de un huracán, que determinan dónde tocará tierra y qué tan intenso será el oleaje, todavía son difíciles de predecir con precisión con más de unos pocos días de anticipación. Los cambios en la costa y el fondo marino, como la excavación de canales o la pérdida de marismas, manglares o dunas de arena, pueden afectar la resistencia que enfrentará una marejada ciclónica.
La segunda incertidumbre implica la resolución de la cuadrícula computacional, a través de la cual se resuelven las ecuaciones matemáticas de las ondas y el movimiento ondulatorio. La resolución determina qué tan bien el modelo ve y tiene en cuenta los cambios en la elevación del paisaje y la cobertura del suelo, así como con qué granularidad se resuelven las marejadas ciclónicas y la física de las olas de los huracanes.
Los modelos detallados de marejadas ciclónicas pueden proporcionar información más precisa sobre los niveles de inundación esperados. Estos dos ejemplos modelados muestran la diferencia en las inundaciones esperadas de una tormenta que se mueve rápidamente, arriba, y una tormenta que se mueve lentamente, abajo. NOAA
Las tormentas que se mueven más lentamente tienden a tener marejadas ciclónicas mayores y más amplias tierra adentro, incluidas bahías y estuarios. NOAA
Los modelos de IA pueden producir predicciones detalladas más rápidamente. Por ejemplo, ingenieros y científicos han desarrollado modelos de IA basados en redes neuronales profundas que pueden predecir de forma rápida y precisa los niveles de agua a lo largo de la costa utilizando datos del campo de viento. En algunos casos, estos modelos eran más precisos que los modelos hidrodinámicos tradicionales.
La IA también puede desarrollar pronósticos para áreas con pocos datos históricos o usarse para comprender condiciones extremas que tal vez no hayan ocurrido allí antes.
Para estos pronósticos, se pueden utilizar modelos basados en la física para generar datos sintéticos para entrenar la IA para escenarios que podrían ser posibles pero que en realidad no han sucedido. Una vez que un modelo de IA se entrena con datos históricos y sintéticos, puede generar rápidamente pronósticos de oleadas utilizando detalles sobre el viento y la presión atmosférica.
Entrenar a la IA con datos de modelos hidrodinámicos también puede mejorar su capacidad para generar rápidamente mapas de riesgo de inundaciones que muestren qué calles u hogares tienen probabilidades de inundarse en eventos extremos que pueden no tener precedentes históricos pero que podrían ocurrir en el futuro.
El futuro de la IA para la previsión de huracanes
La IA ya se está utilizando de forma limitada en la predicción operativa de marejadas ciclónicas, principalmente para complementar los modelos convencionales basados en la física.
Además de mejorar esos métodos, mi equipo y otros investigadores están desarrollando formas de utilizar la inteligencia artificial para predecir marejadas ciclónicas utilizando datos observados, evaluar los daños posteriores a los huracanes y procesar imágenes de cámaras para inferir la intensidad de las inundaciones. Puede llenar un vacío de datos crítico necesario para validar los modelos de marejadas ciclónicas a niveles granulares.
A medida que los modelos de inteligencia artificial se extienden rápidamente por todos los aspectos de nuestras vidas y hay más datos disponibles para entrenarlos, la tecnología ofrece el potencial de mejorar el pronóstico de huracanes y marejadas ciclónicas en el futuro, brindando a las comunidades costeras advertencias más rápidas y detalladas sobre los riesgos en el futuro.
.webp)
0 Comentarios