Шесть крупных ураганов, обрушившихся на Атлантический бассейн в 2017 году, стали разрушительным напоминанием об уязвимости прибрежных сообществ, где проживает более половины населения США.
Что, если бы был лучший способ прогнозировать и сообщать об разрушительных экономических последствиях этих штормов до того, как они произойдут?
Инженеры-строители Университета штата Колорадо разработали новый инновационный подход к оценке устойчивости прибрежных сообществ к ураганам. Они создали «модель уровня воздействия ураганов с несколькими опасностями», которая оценивает экономический ущерб, причиняемый ураганами, до того, как они произойдут.
Модель воздействия подробно описана в недавней статье в Palgrave Communications, авторами которой являются Хуссам Махмуд, доцент кафедры гражданского и экологического строительства, и Стефани Пилкингтон, аспирант в области гражданского строительства, которые разработали и проверили модель.
«Наша модель прогнозирует большее количество штормов с точки зрения последствий», - пояснил Махмуд. Синоптики обычно сообщают о приближающихся штормах, классифицируя устойчивые скорости ветра по шкале Саффира-Симпсона..
Скорость ветра, однако, обычно не является основной причиной смерти и разрушений от ураганов, говорят исследователи. Наихудшие последствия обычно вызываются наводнениями, осадками и штормовыми нагонами в сочетании с географией выхода на сушу, плотностью населения и качеством инфраструктуры. Исследователи хотели придумать более точный способ говорить о воздействиях. По словам Пилкингтона, их цель - сообщить об ожидаемом экономическом ущербе от тропического шторма, а не только о метеорологической силе шторма.
Модель удара Махмуда и Пилкингтона использует искусственные нейронные сети и машинное обучение, чтобы «научить» компьютерную программу предсказывать ущерб от надвигающегося урагана в долларовом эквиваленте. Нейронная сеть, похожая на искусственный человеческий мозг, который становится умнее по мере того, как в него поступает больше данных, питается от подробных исторических данных о нескольких штормах. К ним относятся ураган Катрина в 2005 году и ураган Артур в 2014 году.
Махмуд и Пилкингтон использовали эти исторические данные для обучения нейронных сетей, чтобы связать фактические характеристики шторма с фактическими известными последствиями этих штормов. Для подпитки своей модели они использовали общедоступные данные федеральных агентств. В их модели используются входные данные, в том числе предполагаемый выход на сушу, затронутое население, максимальная скорость ветра, максимальный штормовой нагон и общее количество осадков.
Затем они протестировали модель в режиме реального времени во время настоящих штормов, включая последний ураган Харви, обрушившийся на побережье Мексиканского залива вокруг Хьюстона, штат Техас, в августе.
Исследователи также использовали свою модель, чтобы проанализировать, смягчили ли физические и политические улучшения, такие как морские дамбы, Национальная программа страхования от наводнений и обновленные строительные нормы и правила, последствия сильных штормов. Короче говоря, нет, говорят исследователи.
Согласно их данным, прибрежные общины во Флориде и Техасе экономически так же уязвимы, или даже еще хуже, от ураганных разрушений, как и 100 лет назад. Это отрезвляющая реальность, на которую, как надеются инженеры, сможет пролить свет их работа.
Число людей, живущих в прибрежных общинах, за 100 лет увеличилось в геометрической прогрессии, а вместе с ним и инфраструктура и автомагистрали. «Улучшенных строительных норм и других изменений было недостаточно, чтобы не отставать от огромного количества богатства, инфраструктуры и людей в этих районах», - сказал Пилкингтон.
Пилкингтон, чьи интересы пересекаются в области метеорологии и гражданского строительства, хочет, чтобы модель действительно изменила жизнь людей. «Моя конечная цель - сделать так, чтобы им кто-нибудь воспользовался - будь то Национальная служба погоды или где-то еще», - сказала она. «Мы должны общаться с общественностью с точки зрения воздействия, а не интенсивности».
Махмуд и Пилкингтон продолжают совершенствовать свою модель с более точными данными, обеспечивая еще более точную картину будущих ураганов. Они также планируют использовать его для прогнозирования последствий изменения климата.