Zes grote orkanen die het Atlantische bekken in 2017 overspoelden, waren een verwoestende herinnering aan de kwetsbaarheid van kustgemeenschappen, waar meer dan de helft van de Amerikaanse bevolking woont.

Wat als er een betere manier was om de schadelijke economische gevolgen van deze stormen te voorspellen en te communiceren, voordat ze gebeuren?

Civiele ingenieurs van de Colorado State University hebben een innovatieve nieuwe benadering ontwikkeld om de veerkracht van kustgemeenschappen tegen orkanen te beoordelen. Ze hebben een 'multi-hazard orkaan-impactniveaumodel' gemaakt, " die schat dat de economische schade wordt veroorzaakt door stormen, voordat ze gebeuren.

Het impactmodel wordt gedetailleerd beschreven in een recent artikel in Palgrave Communicatie , geschreven door Hussam Mahmoud, universitair hoofddocent civiele techniek en milieutechniek, en Stephanie Pilkington, een afgestudeerde student civiele techniek, die het model heeft ontworpen en gevalideerd.

"Ons model voorspelt stormen meer in termen van impact, " legde Mahmoud uit. Voorspellers communiceren meestal over naderende stormen door aanhoudende windsnelheden te categoriseren op de Saffir-Simpson-schaal.

Windsnelheid, echter, is meestal niet de belangrijkste oorzaak van dood en vernietiging door orkanen, zeggen de onderzoekers. De ergste gevolgen worden meestal veroorzaakt door overstromingen, neerslag en stormvloed, gecombineerd met geografie van aanlanding, bevolkingsdichtheid, en kwaliteit van de infrastructuur. De onderzoekers wilden een meer accurate manier bedenken om over effecten te praten. Hun doel is om te communiceren over de verwachte economische schade van een tropische storm, in plaats van alleen de meteorologische intensiteit van de storm, aldus Pilkington.

Neurale netwerken

Het impactmodel van Mahmoud en Pilkington maakt gebruik van kunstmatige neurale netwerken en machine learning om een ​​computerprogramma te "leren" hoe de schade van een dreigende storm kan worden voorspeld. per dollarcijfer. Het neurale netwerk, dat is als een kunstmatig menselijk brein dat slimmer wordt naarmate het meer gegevens krijgt, wordt aangedreven door gedetailleerde historische gegevens van verschillende stormen. Deze omvatten orkaan Katrina in 2005 en orkaan Arthur in 2014.

Mahmoud en Pilkington gebruikten deze historische gegevens om neurale netwerken te trainen om daadwerkelijke stormkenmerken te verbinden met daadwerkelijk bekende uitkomsten van die stormen. Om hun model te voeden, ze gebruikten openbaar beschikbare gegevens van federale agentschappen. Hun model maakt gebruik van inputs inclusief geschatte aanlanding, getroffen bevolking, maximale windsnelheid, maximale stormvloed, en totale neerslag.

Vervolgens, ze hebben het model in realtime getest tijdens echte stormen, waaronder de meest recente orkaan Harvey, die de Gulf Coast rond Houston troffen, Texas, in augustus.

Verbeteringen hebben geen gelijke tred gehouden

De onderzoekers gebruikten hun model ook om te analyseren of fysieke en beleidsmatige verbeteringen zoals zeewering, het Nationaal Waterverzekeringsprogramma, en bijgewerkte bouwvoorschriften hebben de gevolgen van krachtige stormen verzacht. Kortom, ze hebben niet, zeggen de onderzoekers.

Volgens hun gegevens kustgemeenschappen in Florida of Texas zijn ongeveer even economisch kwetsbaar, of nog erger, tot orkaanverwoesting zoals ze 100 jaar geleden waren. Dat is een ontnuchterende realiteit waarvan de ingenieurs hopen dat hun werk licht kan werpen.

Het aantal mensen dat in kustgemeenschappen woont, is in 100 jaar exponentieel toegenomen, en daarmee infrastructuur en snelwegen. "Verbeterde bouwvoorschriften en andere veranderingen waren niet genoeg om de enorme hoeveelheid rijkdom bij te houden, infrastructuur en mensen in die gebieden, ' zei Pilkington.

Pilkington, wiens interesses elkaar kruisen in meteorologie en civiele techniek, wil dat het model een echt verschil maakt in het leven van mensen. "Mijn uiteindelijke doel is om het door iemand te laten gebruiken - of het nu de National Weather Service is of ergens anders, " zei ze. "We zouden aan het publiek moeten communiceren in termen van impact in plaats van intensiteit."

Mahmoud en Pilkington blijven hun model verbeteren met betere gegevens, het verstrekken van een nog nauwkeuriger beeld voor orkanen in de toekomst. Ze zijn ook van plan het te gebruiken om de effecten van klimaatverandering te voorspellen.