Cet article a fait l'objet d'un examen approfondi conformément au processus éditorial et aux politiques de Science X. Nos éditeurs ont identifié les caractéristiques notables suivantes tout en veillant à ce que le contenu reste crédible : Une récente étude publiée dans Nature révèle qu'un modèle d'intelligence artificielle (IA) a le potentiel d'améliorer la précision des prévisions d'inondations. La recherche indique que ce système peut égaler voire surpasser les méthodes existantes les plus performantes, permettant ainsi d'anticiper plus tôt les événements majeurs d'inondation. En raison du changement climatique d'origine humaine, certaines régions ont connu une augmentation de la fréquence des inondations. Cependant, les méthodes de prévision actuelles reposent fortement sur les stations de mesure des cours d'eau, situées le long des rivières, qui ne sont pas réparties de manière équitable dans le monde entier. Par conséquent, la prévision des rivières sans mesure devient plus difficile, impactant particulièrement les pays en développement. Pour remédier à ce problème, Grey Nearing et son équipe ont développé un modèle d'IA.

Ce modèle a été entraîné à l'aide de données provenant de 5 680 stations existantes, dans le but de prédire le débit quotidien des bassins sans mesure sur une période de prévision de 7 jours. Par la suite, le modèle d'IA a été testé par rapport à GloFAS (le système mondial d'alerte aux inondations), le logiciel mondialement reconnu pour la prédiction des inondations à court terme et à long terme. De manière remarquable, le modèle d'IA a fourni des prévisions d'inondations cinq jours à l'avance tout aussi fiables, voire supérieures, aux prévisions du système actuel pour le même jour. De plus, lors de la prédiction d'événements météorologiques extrêmes avec une fenêtre de retour de cinq ans, le modèle d'IA a démontré une précision comparable, voire supérieure, par rapport aux prévisions de GloFAS pour les événements avec une fenêtre de retour d'un an. Ces résultats suggèrent fortement que le modèle d'IA a le potentiel d'offrir des avertissements d'inondation pour des événements mineurs et majeurs dans les bassins sans mesure, offrant ainsi une plus longue période d'anticipation par rapport aux méthodes précédentes. Par conséquent, l'accès à des prévisions fiables d'inondations dans les régions en développement pourrait être considérablement amélioré. Pour plus d'informations, veuillez vous référer à l'étude originale : Grey Nearing et al, "Global prediction of extreme floods in ungauged watersheds, " Nature (2024). DOI: 10. 1038/s41586-024-07145-1.