Dieser Artikel hat gemäß dem redaktionellen Prozess und den Richtlinien von Science X eine gründliche Überprüfung durchlaufen. Unsere Redakteure haben die folgenden bemerkenswerten Merkmale identifiziert und dabei darauf geachtet, dass der Inhalt glaubwürdig bleibt: Eine kürzlich in Nature veröffentlichte Studie zeigt, dass ein künstliches Intelligenz (KI) Modell das Potenzial hat, die Genauigkeit der Hochwasser-Vorhersage zu verbessern. Die Forschung deutet darauf hin, dass dieses System bestehende führende Methoden erreichen oder übertreffen kann und somit frühere Warnungen für bedeutende Hochwasserereignisse bietet. Aufgrund des vom Menschen verursachten Klimawandels haben bestimmte Regionen eine zunehmende Häufigkeit von Überschwemmungen erlebt. Die aktuellen Vorhersagemethoden stützen sich jedoch stark auf Pegelstationen entlang von Flüssen, die weltweit nicht gleichmäßig verteilt sind. Die Vorhersage von Flüssen ohne Pegelstationen wird dadurch immer herausfordernder, insbesondere für Entwicklungsländer. Um dieses Problem zu lösen, entwickelten Grey Nearing und ihr Team ein KI-Modell.

Dieses Modell wurde unter Verwendung von Daten aus 5. 680 vorhandenen Pegeln trainiert, um den täglichen Flussabfluss in ungeeigneten Einzugsgebieten für einen 7-Tage-Vorhersagezeitraum vorherzusagen. Anschließend wurde das KI-Modell gegen das Global Flood Awareness System (GloFAS) getestet, die weltweit anerkannte Software zur Vorhersage von Hochwasser in Kurz- und Langzeit-Szenarien. Bemerkenswerterweise lieferte das KI-Modell Hochwasser-Vorhersagen, die fünf Tage im Voraus genauso zuverlässig waren wie die täglichen Vorhersagen des aktuellen Systems, wenn nicht sogar überlegen. Darüber hinaus zeigte das KI-Modell bei der Vorhersage von extremen Wetterereignissen mit einer Rückkehrperiode von fünf Jahren eine vergleichbare oder bessere Genauigkeit im Vergleich zu den GloFAS-Vorhersagen für Ereignisse mit einer Rückkehrperiode von einem Jahr. Diese Ergebnisse legen nahe, dass das KI-Modell das Potenzial hat, Hochwasser-Warnungen sowohl für kleinere als auch für schwerwiegende Ereignisse in ungeeigneten Einzugsgebieten mit einer längeren Vorlaufzeit als bisherige Methoden anzubieten. Dadurch könnte der Zugang zu zuverlässigen Hochwasser-Vorhersagen in Entwicklungsländern erheblich verbessert werden. Für weitere Informationen verweisen wir auf die Originalstudie: Grey Nearing et al, "Global prediction of extreme floods in ungauged watersheds, " Nature (2024). DOI: 10. 1038/s41586-024-07145-1.