درک منابع داده های پیش بینی

تجزیه و تحلیل باران با داده های با کیفیت بالا شروع می شود.منبع های متعدد به یک تصویر جامع از الگوهای بارندگی، شدت و مدت زمان منابع داده اولیه شامل:

  • ایستگاه های آب و هوایی مبتنی بر گرد [FLT 1] - اندازه گیری باران خودکار و سنسور های نوک تیز کردن اندازه گیری نقطه در وضوح زمانی بالا را ارائه می دهند.شبکه هایی مانند برنامه ناظر عملیات آب و هوا ملی ارائه سوابق بلند مدت ضروری برای تجزیه و تحلیل روند.
  • [به عنوان مثال، NEXRAD] - رادار داپللر بارش در مناطق وسیع با وضوح فضایی به 1 کیلومتر تبدیل می شود.
  • ] - ماهواره هایی مانند مأموریت سنجش پیش بینی جهانی (GPM) و مأموریت اندازه گیری باران گرمسیری (TRMM) ارائه پوشش نزدیک به جهان، به ویژه با ارزش بیش از اقیانوس ها و مناطق دور از راه دور، آنها انتشار گازهای گلخانه ای را اندازه گیری می کنند تا میزان بارش باران را تخمین بزنند.
  • مدل های بی نظیر و محصولات تجزیه و تحلیل مجدد - مدل هایی مانند بازسازی منطقه ای آمریکای شمالی مشاهدات را با شبیه سازی های مبتنی بر فیزیک ترکیب می کنند تا زمینه های بارش شبکه ای را که قدمت آن ها دهه ها است، تولید کنند.

ترکیب این منابع از طریق ترکیب داده ها دقت را بهبود می بخشد، به عنوان مثال، الگوریتم یکپارچه Multi-satellitE Retrievals برای GPM (IMERG) ماهواره، اندازه گیری و داده های رادار را برای ایجاد برآورد بارش نیمه ساعته، با وضوح بالا ادغام می کند.این رویکرد چند سنسور برای گرفتن variability در رویدادهای شدید بسیار مهم است، که در آن یک اندازه گیری محلی ممکن است کاهش یابد.

تکنیک های تحلیلی پیشرفته

تحلیل آماری و فرکانس

روش های سنتی مانند عدم ثبات (IDF) منحنی همچنان بنیادی است.آنها احتمال شدت بارش باران شدید در طول یک مدت خاص، به طور معمول 10، 50 یا 100 سال بازگشت معیارهای طراحی زیرساخت، مانند culver s و بازداشت طوفان، با این حال، منحنی شدید در حال تغییر آب و هوا، وابسته به این پیش بینی های غیر ثابت است.

یادگیری ماشین و یادگیری عمیق

پیشرفت های اخیر در هوش مصنوعی (FLT:0) پیش بینی در حال حاضر - پیش بینی های کوتاه مدت تا شش ساعت پیش رو.Convolutional LSTM (ConvLSTM) شبکه های جاسوسی عمومی (GANs) آموزش دیده در توالی های رادار می تواند حرکت سلول باران را با بیش از مدل های عددی برای اولین بار سیستم های هشدار دهنده سیل پیش بینی کند.

پیش بینی های مقدماتی و مقدماتی

مدل های پیش بینی آب و هوا عددی چندین بار با شرایط اولیه کمی اختلال برای تولید پیش بینی های گروهی اجرا می کنند. گسترش در میان اعضا یک اندازه عدم اطمینان را فراهم می کند. اپراتورهای زیرساخت از پیش بینی های بارش احتمالی برای تصمیم گیری مبتنی بر ریسک مانند قرار دادن خدمه اورژانس یا پمپ های پیش بینی شده استفاده می کنند، به جای اینکه به یک پیش بینی تعیین کننده تکیه کنند.

برنامه های کاربردی در سراسر بخش های زیرساخت های بحرانی

حمل و نقل

تجزیه و تحلیل پیش بینی به طور مستقیم بر جاده و ایمنی راه آهن تأثیر می گذارد. باران سنگین باعث کاهش اصطکاک و دید پیاده رو می شود و می تواند باعث لغزش زمین های کم عمق در شیب ها شود. ادارات استفاده از حمل و نقل (FLT:0) داده های بارش باران در زمان واقعی (FLT 1) برای ایجاد محدودیت های متغیر، جاده های نزدیک سیل و مدیریت زیرساخت های زهکشی نیز بهره مند شوند: اجازه می دهد تا تاخیرهای آب فعال، و نگهداری از آب را پیش بینی شود.

برای شبکه های ریلی، شستشوی ها یک خطر اولیه هستند.با ترکیب پیش بینی های بارش با مدل های اشباع خاک (به عنوان مثال، با استفاده از شاخص پیش بینی آنتک شده)، اپراتورهای می توانند محدودیت های سرعت را صادر کنند یا خدمات معلق در بخش های آسیب پذیر را متوقف کنند.A مطالعه کریدور شمال شرقی ایالات متحده نشان داد که ادغام پیش بینی های ساعت به زمان بندی کاهش یافته توسط تأخیر در آب و هوا.

انرژی انرژی

شبکه های برق در برابر شدید بارش آسیب پذیر هستند. باران سنگین می تواند باعث ایجاد فلشور در خطوط انتقال به دلیل ایجاد آلودگی شود و سیل منجر به تجزیه و تحلیل جنگل های زیرزمینی می شود. روند پیش بینی استراتژی های سخت کننده را اطلاع می دهد: اضافه کردن تجهیزات بحرانی، نصب سوئیچ های فرعی و بهبود امکانات اطراف.

عملیات هیدروقدرت بستگی به پیش بینی بارش برای مدیریت مخازن دارد. پیش بینی های دقیق جریان اجازه می دهد اپراتورهای سد کنترل سیل را با ذخیره سازی آب متعادل کنند.در سال 2023، سپاه مهندسان ارتش ایالات متحده از پیش بینی های بارش های گروهی برای آب پیش از انتشار از سیستم رودخانه میسوری پیش از یک طوفان عمده، اجتناب از غلبه بر کنترل نشده استفاده کردند.

آب و آب

سیستم های طوفانی بر اساس آمار باران های تاریخی اندازه گیری می شوند.با تغییر آب و هوا، بسیاری از سیستم ها در حال حاضر کم اندازه هستند. تجزیه و تحلیل پیش بینی (FLT:0) زیرساخت های سبز برنامه ریزی: باغ های باران، پیاده رو های قابل استفاده و حوضه های حفظ با وضوح بالا استفاده از نقشه های شدت باران و تصفیه گیاهان همچنین از داده های زمان واقعی برای مدیریت تونل های ذخیره سازی باران، در طول حوادث سنگین.

یک مثال قابل توجه: سیستم تونل عمیق منطقه Milwaukee، قادر به ذخیره 521 میلیون گالن، با استفاده از برآورد باران رادار زمان واقعی و پیش بینی های گروهی، این سیستم افزایش حجم را بیش از 80٪ از زمان پیاده سازی کاهش داده است.

ارتباطات ارتباطات ارتباطات

شبکه های مخابراتی - به ویژه پیوندهای مایکروویو و ماهواره - با بارش های سنگین به دلیل کاهش آب و هوا تخریب می شوند. تجزیه و تحلیل پیش بینی به مهندسان کمک می کند تا بودجه های لینک را با حاشیه های مناسب و طرح های تنوع پاک کنند. برج های سلولی در نزدیکی خط ساحلی نیز با خطرات سیل مواجه می شوند؛ تجزیه و تحلیل مبتنی بر GIS از باران و افزایش طوفان راهنمای برج های جمع آوری شده و قرار دادن قدرت پشتیبان گیری.

مطالعات موردی در اجرای انعطاف پذیر

شهر ساحلی: Norfolk، ویرجینیا

Norfolk با سیل مزمن از هر دو بارش و افزایش سطح دریا مواجه است.شهر یک برنامه مدیریت (FLT:0Cloudburst Management Plan پس از تجزیه و تحلیل داده های باران تاریخی و پیش بینی های آب و هوایی آینده ایجاد کرد.استفاده از داده های ماهواره ای IMERG و شبکه های سنجش محلی، آنها 20 حوضه های زهکشی بالا را شناسایی کردند.

راه آهن شهری: London Underground

حوادث شدید بارش باعث می شود آب به زیرزمینی لندن، اختلال در خدمات حمل و نقل برای لندن (TfL) اعمال شده تجزیه و تحلیل فرکانس پیش بینی و گسترش پمپ های تلفن همراه، این شرکت در حال حاضر از آستانه 40 میلی متر در 24 ساعت استفاده می کند تا باعث بسته شدن از پیش تخلیه از اکثر ایستگاه های تامین کننده سیل و پمپ های Tf را گسترش دهد.

ایمنی دام: سد Oroville، کالیفرنیا

پس از بحران سیل آور 2017، وزارت منابع آب کالیفرنیا نظارت بر بارش خود را ارتقا داد.آنها یک شبکه فشرده از 48 سنج باران در رودخانه پر آبریز را نصب کردند و پیش بینی های بارش از مرکز اروپا برای پیش بینی آب و هوا متوسط (ECMWF) را تصویب کردند. ابزارهای تجزیه و تحلیل جدید در حال حاضر اجازه می دهد تا اپراتورهای شروع به انتشار کنترل شده تا 72 ساعت قبل از طوفان، فشار اوج در کاهش جریان آب و هوا.

ادغام تجزیه و تحلیل پیش بینی به سیاست و برنامه ریزی

برای تجزیه و تحلیل بارش برای تبدیل به انعطاف پذیری، باید در فرآیندهای برنامه ریزی جاسازی شود. آکادمی ملی علوم توصیه می کند که سازمان های زیربنایی از چارچوب های ارزیابی ریسک پذیری (FLT:0) استفاده کنند که شامل پیش بینی های بارش به روز شده هر پنج سال است. بسیاری از شهرداری ها در حال حاضر نیاز به توسعه دهندگان برای استفاده از آخرین اطلس 14 (یا 15 فرکانس جدید) برآورد بارش باران برای طراحی طوفان.

انجمن مهندسان عمران آمریکا (ASCE) استاندارد 24-20، طراحی مقاوم در برابر سیل و ساخت و ساز، تجزیه و تحلیل بارش برای تعیین بارهای سیل به طور مشابه، آژانس مدیریت اضطراری فدرال (FEMA) از داده های بارش برای تعریف مناطق خاص سیل خطرات ناشی از تشویق استفاده می کند، برنامه خطر FEMA در حال حاضر اطلاعات بارش ماهواره ای را به روز رسانی نقشه های سیل اغلب بیشتر ادغام می کند.

تغییرات اقلیمی، عدم جنگل زدایی را معرفی می کند. پانل بین دولتی تغییرات اقلیمی (IPCC) پروژه های گزارش ارزیابی ششم که فرکانس رویداد 100 ساله در بسیاری از مناطق افزایش می یابد، بنابراین برنامه ریزان زیرساخت باید فراتر از سوابق تاریخی حرکت کنند. یک رویکرد مشترک برای استفاده از گروه FLT:0 منحنی های تصفیه هوا و هوا نیروی دریایی مقیاس تاریخی در مقیاس های تاریخی با استفاده از مدل ارزیابی آب و هوا ملی.

مسیر های آینده

پیش بینی Hyperlocal با IoT و AI

هزینه سنسور هوا به طور چشمگیری کاهش یافته است.شبکه های اندازه گیری باران کم هزینه، سنسور رطوبت خاک و مانیتور سطح آب در حال حاضر به گره های محاسباتی لبه که مدل های AI محلی را اجرا می کنند، تغذیه می کنند.

رادارهای فضایی-based Precipitation

ماموریت Aperture Radar ناسا-ISRO (NISAR) که برای 2025 برنامه ریزی شده است، داده های رطوبت خاک با وضوح بالا را ارائه می دهد که به طور غیرمستقیم مدل های اجرای بارش باران را بهبود می بخشد. همراه با نسل بعدی ماهواره های ژئوماتیک مانند GOES-U، پیش بینی زمان برای بارش سنگین ممکن است از روز به یک هفته با دقت عملی گسترش یابد.

نظارت بر جامعه

برنامه های علوم شهروندی، مانند CoCoRaHS، در حال حاضر هزاران رصد روزانه باران سنج را در بر می گیرد و این داده های جمع آوری شده از طریق الگوریتم های کنترل کیفیت می توانند شبکه های رسمی کمپلتر را به ویژه در کشورهای در حال توسعه تکمیل کنند.

نتیجه گیری

تجزیه و تحلیل پیش بینی یک تمرین نظری نیست - آن یک پایه عملی برای حفاظت از زندگی، مالکیت، و جامعه سیستم بستگی دارد.از ارتقاء سیستم های فاضلاب برای مدیریت مخازن سد و اجرای قطارها، توانایی اندازه گیری، پیش بینی و عمل در داده های باران، جعبه ابزار آماده سازی تصفیه آب و هوا برای زیرساخت های بحرانی است.