予測データソースの理解

堅牢な降水解析は、高品質のデータから始まります。複数のソースは、降雨パターン、強度、および期間の包括的な画像に供給します。 主なデータソースには、次のものが含まれます。

  • [ 地上気象ステーション[] - 自動雨計と先端バックセットセンサーは、高気道分解能でポイント測定を提供します。 気象サービスの協同組合Observerプログラムなどのネットワークは、傾向分析に不可欠の長期記録を提供します。
  • [ウェザーレーダー(例、NEXRAD)[ - ドップラーレーダーは、空間分解能で広い領域上の降水量を1 kmに推定します。 レーダーの反射率は、ゲージに対する適合は、バイアスを削減するために必要であるにもかかわらず、降雨率に変換されます。
  • [サテライトリモートセンシング[ - グローバル降水量測定(GPM)のミッションや熱帯雨量測定ミッション(TRMM)などの衛星は、海や遠隔地に特に価値のある、グローバルカバレッジを提供します。 彼らは、マイクロ波排出量を推定する雨率を測定します。
  • [ 気候モデルと分析製品[ - 北米地域分析などのモデルは、物理ベースのシミュレーションで観察して、グリッド化された降水フィールドを生成します。 数十年。

データの融合によるこれらのソースを組み合わせることで、精度が向上します。例えば、GPM(IMERG)アルゴリズムの統合マルチ衛星、ゲージ、レーダーデータを統合し、半時間、高解像予測の推定値を作成する。このマルチセンサーアプローチは、単一のゲージがローカライズされたダウンプアを下げる可能性がある極端なイベントで変動性をキャプチャするために不可欠です。

高度な分析技術

統計的および頻度分析

のような伝統的な方法:強度 - 周波数(IDF)曲線は基礎的ままです。 彼らは特定の期間にわたって発生する特定の降雨強度の確率を記述します、通常、10、50、または100年リターン期間。 インフラストラクチャ設計基準、カルバートサイジングやストロン水拘留盆などの、これらの曲線に依存します。 しかし、気候変動は、断食の予測を想定しているような状況を予測するような状況を予測します。

機械学習とディープラーニング

人工知能の最近の進歩は、【FLT:0】の予測が有効になっています。予測の現在では、最大6時間前までの短期予測が行われます。従来のLSTM(ConvLSTM)ネットワークと、レーダーシーケンスで訓練された遺伝子型ネットワーク(GAN)は、最初の数時間にわたって従来の数値モデルを超えるスキルを持つレインセルの動きを予測できます。これらのツールは、すでに、フラッシュの早期警告システムにデプロイされています。

組み立てと確率予測

数値気象予測モデルは、密閉予測を生成するために、わずかに一層の初期条件で複数の回を実行します。メンバーの間でスプレッドは、不確実性の測定を提供します。インフラストラクチャ演算子は、予防措置予測を使用して、緊急乗組員やポンプを配置するなどのリスクベースの決定を下すために、単一の決定的な予測に依存するのではなく、します。

重要なインフラセクター横断アプリケーション

交通アクセス

降水分析は、道路や鉄道の安全に直接影響を与えます。重度の降雨量は舗装の摩擦と可視性を低下させ、ゲレンデの地すべりを引き起こします。輸送の部門は、リアルタイム降水データを予測し、可変的な速度制限、洪水の傾向を閉じ、排水インフラを管理することができます。空港も利益をもたらします:レーダーデータは、地面の遅延や水路の蓄積を予測し、積極的なメンテナンスを有効にします。

鉄道ネットワークでは、洗浄はプライマリリスクです。土壌飽和モデル(Antecedent Precipitation Indexを使用して)の降水予測を組み合わせることで、オペレーターは速度制限を発行したり、脆弱なセグメントでサービスを停止したりすることができます。 米国北東方回廊の調査では、気象関連の遅延を15%削減する追跡検査予測に適時予測を統合したことがわかりました。

エネルギー

電力網は、降水率が極端に脆弱です。重度の雨は、汚染の蓄積による伝送線のフラッシュオーバーを引き起こし、沈黙を浸水することができます。 [の予測傾向の分析[]]]]]]]]は、戦略を強化する通知:重要な機器を高度化し、水中切替器を設置し、施設周辺の排水を改善します。

ハイドロパワーの操作は、貯水池管理のための予報に依存します。正確な流入予測により、ダムオペレータは水貯蔵と洪水制御のバランスをとることができます。 2023年に、米国の軍隊は、エンジニアのエンサンブル沈殿予測を使用して、主要な嵐の先にあるミズーリ川システムからプレリリースされた水に予報を使用しました。

水と排水

雨降水量は、歴史の降雨量統計に基づいてサイズ化されています。気候変動により、多くのシステムは今大きさで分類されます。降水量分析は、グリーンインフラ]計画を可能にします。雨の庭、透過性舗装、および保持盆地は、高解像降水量マップを使用してサイト化されます。排水処理プラントは、混合堆積物を管理するためにリアルタイム降水量データを使用して、重度の雨イベント中にトンネルを活性化します。

注目すべき例:ミルウォーキーメトロポリタン・セータージ・ディストリクトのディープ・トンネル・システム。521万ガロンを格納できるのは、リアルタイムのレーダー・フォール推定とアンサンブル予測を使用して運営されています。このシステムは、実装以来、80%以上でオーバーフロー頻度を削減しました。

コミュニケーション

通信ネットワーク – 特にマイクロ波と衛星リンク – 大気圧による重雨によって劣化します。. 予測分析は、エンジニアは、適切なフェードマージンとダイバーシティスキームと予算を設計するのに役立ちます. 海岸線付近のセルタワーも洪水リスクに直面しています; 雨量と嵐サージのGISベースの分析は、データガイドタワーの上昇とバックアップのパワー配置を組み合わせました.

レジリエンス導入事例

沿岸都市:ノーフォーク、バージニア

ノフォークは、両方の降水量と海レベルの上昇から慢性の洪水に直面しています。この都市は、歴史の降雨量と将来の気候予測を分析した後、[]クラウドバースト管理計画を作った。 IMERG衛星データとローカルゲージネットワークを使用して、彼らは20高リスク排水量盆地を識別しました。 地下貯蔵ボルト、バイオスワル、およびリアルタイム制御を10〜60%の試験所で実施する。

アーバンレール:ロンドン地下

極端な降水イベントは、ロンドン地下に水侵入を引き起こし、サービスを中断します。ロンドン(TfL)の輸送は、(])の予測周波数分析をネットワークに。同社は、現在、最大40 mmのしきい値を使用して、最も洪水を伴う場所の事前運転閉鎖をトリガーし、モバイルポンプをデプロイします。 TfLは、ネットワーク全体で12〜35ステーションから雨ゲージカバレッジを拡大し、予測を改善しました。

ダムの安全性: オルビル・ダム、カリフォルニア

2017年流水危機の後に、カリフォルニア水資源省は、その予測監視をアップグレードしました。 彼らは、フェザー川の水流域に48雨のゲージの密なネットワークをインストールし、ミディアム・ランゲ気象予測(ECMWF)の欧州センターからのアンサンブル降水予測を採択しました。 新しい分析ツールは、オペレータが最大72時間前に制御されたリリースを開始し、流水路の圧力を削減することを可能にします。

予測分析を政策・計画に統合

予測分析では、レジリエンスに翻訳する、計画プロセスに埋め込まれる必要があります。 国立科学アカデミーは、インフラストラクチャーエージェンシーが「]を継続的にリスク評価フレームワークを5年間更新された降水量予測の予測を組み込むことを推奨しています。 多くの自治体は、開発者が最新のNOAA Atlas 14(または新しいAtlas 15)降水量を最新のNOAA Atlas 14(または新しいAtlas 15)に使用するために、ストレージ設計のための推定を要求します。

民間技術者協会(ASCE)標準24-20、耐洪水性設計と建設、洪水負荷を決定するための予測分析。 同様に、連邦緊急管理庁(FEMA)は、特定の洪水危険区域を定義するために降水データを使用します。 奨励的に、FEMAのリスクマッププログラムは、より頻繁に洪水マップを更新するために衛星主導の降水データを統合します。

気候変動は非文様性を導入しています。気候変動に関する政府間パネル(IPCC)第6回評価報告書プロジェクトでは、100年イベントの頻度が多くの地域で増加するプロジェクト。インフラプランナーは、したがって、歴史的記録を超えて移動しなければなりません。一般的なアプローチは、]を気候上調整されたIDF曲線を適用する、気候モデルの予測による歴史的強度のスケーリングすることです。 US.F. 少なくとも5つの気候の決定モデルが少なくとも5つの気候の決定は、少なくともGCMの推奨される。

今後の方向性

IoTとAIによるハイパーローカル予測

気象センサーのコストは劇的に低下しています。低コストの雨量計、土壌水分センサー、水位モニターのネットワークは、ローカルAIモデルを実行しているエッジコンピューティングノードに供給できるようになりました。これら[の排水系統[]]]は、リアルタイムで応答をシミュレートすることができ、予測メンテナンスと自動洪水操作を可能にします。

宇宙ベースの降水レーダー

NASA-ISRO合成開口レーダー(NISAR)の使命は、2025年に計画され、予測の実行モデルを間接的に改善する高分解性土壌水分データを提供します。GOES-Uのような次世代の地質衛星と組み合わせ、重い降水量のための予測リードタイムは、実用的な精度で数日から1週間に拡張することができます。

コミュニティベースのモニタリング

CoCoRaHSなどの市民科学プログラムでは、すでに数千の雨量計観測に貢献しています。これらのクラウドソースデータを品質管理アルゴリズムで統合することで、開発途上国におけるスパールの公式ネットワークを補完できます。サブサハラアフリカのプロジェクトでは、コミュニティデータが含まれているときに、洪水予測スキルの30%の改善が示されています。

コンテンツ

予測分析は理論的な演習ではありません - それは生活、プロパティ、およびシステム社会を保護するための実用的な基盤です。 汚水処理システムをアップグレードしてダム貯水池の管理と走行中の訓練を維持するために、降雨量データを測定し、予測し、行動する能力は、重要なインフラのための気候適応のピンです。 極端な気象が集中し、データプラットフォームへの継続的な投資、分析ツール、および訓練された人員は、今後の予定のアプリケーションを予測する頻度を予測する、どのようにして、どのようにして、コミュニティがどのようにして、どのようにして、衛星放送を予測するのかを決定します。 衛星放送の予測 - 予測 - 予測 - 予測 - 予測 - 予測 - 衛星ガイド - 分析 - 予測 - 予測 - 予測 - 衛星 - 予測 - 予測 - 予測 - 予測 - 予測 - 予測 - 予測 - 分析 - 分析 - 分析 - 分析 - 予測 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 - 測定 -