Af Torben Haugaard Jensen, AAU Kommunikation og Public Affairs

135 døde og adskillige smadrede byer. Det var konsekvenserne, da floden Ahr i det sydvestlige Tyskland skyllede over sine bredder i sommeren 2021.

Flere døgns regn havde forvandlet det normalt harmløse vandløb til en dødbringende flodbølge, som knuste huse og broer på sin vej.

Klimaforandringerne betyder, at vi skal vænne os til hyppigere og mere intense naturkatastrofer som oversvømmelserne i Ahrtal. Men kan vi blive bedre til at forudsige katastroferne?

Det mener Maike Schumacher, adjunkt ved Institut for Bæredygtighed og Planlægning, Aalborg Universitet. Hun forsker i geodæsi, som handler om at måle ændringer i jordens form, rotation og tyngdefelt.

Med en ny bevilling på syv millioner fra Villum Fonden vil hun udvikle en metode, som skal give mere pålidelige forudsigelser af oversvømmelser og tørke ved at kombinere satellitdata og avancerede simuleringsmodeller ved hjælp af data-assimilering og kunstig intelligens (AI).

”Målet er at forudsige naturkatastroferne med større sikkerhed. Det vil give politiske beslutningstagere og mennesker i risikoområderne bedre muligheder for at reagere, inden faren opstår,” siger Maike Schumacher. 

Løsningen er AI og data-assimilering

I løbet af de sidste par årtier har satellitter gjort det muligt at observere ændringer i jordens tyngdefelt. Observationerne kan bruges til at studere, hvordan vandressourcerne fordeler sig på kloden.

Der findes også såkaldte hydrologiske modeller, som kan lave simulationer af, hvordan jordens vandressourcer udvikler sig over tid.

Men der er behov for en metode til at kombinere satellitdata og modellerne med matematiske metoder og viden om hydrologiske processer, så man kan forbedre forudsigelser af timing og omfang af oversvømmelser og tørke - og vurdere, hvor pålidelige forudsigelserne er, siger Maike Schumacher.

Den metode vil hun udvikle gennem en ny kombination af dataassimilering og AI-teknologier som maskinlæring og deep learning.

”Vi er ikke godt nok forberedte på, hvornår og med hvilken styrke katastroferne rammer os. Men ved at integrere maskinlæring og deep learning i et data-assimileringssystem, der kombinerer satellitobservationerne og simuleringsdataene, kan vi opnå ny viden om, hvordan oversvømmelser og tørke opstår. Det vil give os mere pålidelige forudsigelser, så vi kan afbøde konsekvenserne i god tid,” siger Maike Schumacher.