De recente overstromingen in Florida, Valencia en Midden-Europa liggen nog vers in het geheugen. Ook de overstromingen in Limburg, België en Duitsland in de zomer van 2021, met een schade van 46 miljard euro en 220 dodelijke slachtoffers. Het onlangs gepubliceerde rapport van World Weather Attribution (WWA) concludeert dat door klimaatverandering extreme, dodelijke weersomstandigheden frequenter en intenser zullen plaatsvinden. Maar ook dat er betere modellen nodig zijn om dit extreme weer te voorspellen en meer klimaatadaptatie om slachtoffers en schade te voorkomen.
Meer slachtoffers
Kennisinstituut Deltares berekende dat rivieroverstromingen alleen al elk jaar 21 miljoen mensen treffen. Het aantal slachtoffers loopt wereldwijd op tot 54 miljoen in 2030, de schade tot 96 miljard dollar. Samen met andere kennisinstituten, universiteiten en het Planbureau voor de Leefomgeving heeft Deltares een tool ontwikkeld die de gevolgen van rivieroverstromingen laat zien. Softwarebedrijf SAS, marktleider in data en AI, is nog een stapje verder gegaan en heeft een tool ontwikkeld die overstromingen vooraf beter kan voorspellen. Zodat bewoners, overheden en hulpdiensten tijdig kunnen reageren. Volgens het World Resources Institute zullen in 2030 wereldwijd 147 miljoen mensen getroffen worden door overstromingen. Een verdubbeling ten opzichte van eerdere onderzoeken. Logisch dus dat arme landen op de recente klimaattop COP29 in Azerbeidzjan niet alleen financiële steun vroegen om hun CO2-uitstoot te verminderen, maar ook voor waarschuwingssystemen tegen extreem weer. Dan kunnen ze zich beter beschermen tegen de gevolgen van klimaatverandering.
Betere modellen nodig
Om schade en slachtoffers te kunnen verminderen, zijn volgens SAS twee aspecten belangrijk. Ten eerste zijn er nieuwe modellen nodig die extreem weer en de gevolgen ervan beter kunnen voorspellen. Daarvoor zijn data belangrijk. Ten tweede moeten overheden en hulpdiensten hier beter op voorbereid zijn en weten waar de zwakke plekken zitten. “In de VS zien we nu twee jaar achter elkaar overstromingen plaatsvinden die eigenlijk maar eens in de 500 jaar voorkomen. In Florida en Noord-Carolina zagen we een storm die eens in de duizend jaar voorkomt”, zegt Katy Salamati, AI-expert voor transport en infrastructuur bij SAS. “De huidige modellen hebben dit niet voorspeld. De focus van AI en machine learning is om ons te helpen de data beter te begrijpen en betere en meer betrouwbare modellen te ontwikkelen die de overstromingen en de impact ervan beter kunnen voorspellen.”
Worst case-scenario
Het tweede aspect gaat over mogelijk te nemen maatregelen en klimaatadaptatie. SAS gebruikt daarvoor een zogeheten digital twin, een computermodel dat de werkelijkheid nabootst en waarin elk scenario gesimuleerd en geanalyseerd kan worden, om de uiteindelijke impact van extreem weer te verminderen. Bijvoorbeeld: wat gebeurt er als het twee keer zo hard regent als voorspeld? Wat gebeurt er als het water van vorige hoosbuien nog niet weggestroomd is? “Hiermee kunnen we ons voorbereiden op het worst case-scenario”, zegt Salamati. “Bij veel overstromingen waren vooraf allerlei maatregelen genomen, maar waren we niet voorbereid op het worst-case scenario. Daarom konden hulpdiensten niet op tijd reageren en vielen er slachtoffers.”
Data verzamelen
De AI-oplossing van SAS voor de voorspelling van en de paraatheid bij overstromingen werkt op data en analytics die verzameld worden via Internet of Things (IoT)-sensoren bij rivieren, bruggen, dijken, dammen, wegen en andere infrastructuur, data van weerstations en satellieten. Maar ook op data over hoogteverschillen in het landschap, wat bepaalt waarheen en hoe snel het water stroomt. Of het absorptievermogen van de bodem, wat onder meer bepaald word door begroeiing of bodemgesteldheid.
Sneller reageren
De AI-tool is vooral bedoeld voor hulpdiensten die als eerste moeten reageren bij rampen. Ook burgers kunnen erop meekijken. Het systeem slaat alarm als er over een paar uur overstromingen plaatsvinden, zodat de autoriteiten waterpompen kunnen aanzetten en burgers weten welke wegen zijn afgesloten. Maar de tool is ook bedoeld voor de overheden en stedenbouwkundigen om steden aan te passen aan klimaatverandering. “Je kunt bijvoorbeeld beslissen om de rioolcapaciteit te verhogen in lager gelegen gebieden waar de bottlenecks zitten. Je kunt via AI klimaatscenario’s nabootsen om te weten te komen waar de bottlenecks gaan ontstaan”, zegt Remi Verdiesen, die zich bij SAS bezighoudt met onderzoek naar het simuleren van realistische extreem weer-scenario’s.
Klimaatadaptatie
Daarbij gaat het om maatregelen die steden kunnen nemen om zich voor te bereiden op klimaatverandering. Bijvoorbeeld door niet te bouwen op lager gelegen gronden, door meer groen en waterbergingen aan te leggen om regen te absorberen of door op allerlei manieren betere bescherming te bieden aan burgers. Ook daarbij biedt de digital twin hulp. “De moeilijkheid bij overstromingsmodellen is de geringe hoeveelheid data die we hebben”, stelt Verdiesen. “Extreme weersomstandigheden komen niet zo vaak voor. Met de AI digital twin kunnen we die extreme omstandigheden nabootsen en zien wat er gebeurt.”
AI waarschuwt Jakarta
Zo kan AI niet alleen een rol spelen bij het voorkomen van schade en slachtoffers bij een dreigende ramp op korte termijn, maar via klimaatadaptatie ook op de langere termijn. Een voorbeeld daarvan is de Indonesische hoofdstad Jakarta, die elk jaar een paar centimeter wegzakt en geregeld getroffen wordt door overstromingen. De AI- en IoT-oplossingen van SAS ondersteunen het vroege waarschuwingssysteem en het Flood Control System van de stad.
AI-modellen analyseren real-time gegevens van sensoren in de stad, weersvoorspellingen en gegevens over regenval, waterstanden en rivierstromen. Bij dreigende overstromingen kunnen ambtenaren pushmeldingen naar de telefoons van bewoners sturen via de door AI aangestuurde JAKI-app. Ze kunnen ook sluisdeuren sluiten, waterpompen activeren, responsteams waarschuwen en de stad tot wel zes uur van tevoren voorbereiden op gevaarlijke overstromingen.
Rijkswaterstaat monitort met IoT
In Nederland maakt Rijkswaterstaat gebruik van verschillende componenten van het SAS-platform. Onder meer om waterwegen en infrastructuur als bruggen, sluizen, tunnels, dijken en andere waterkeringen te monitoren. Zo kan de dienst beter voorspellen waar en wanneer onderhoud nodig is. Alle bouwwerken zijn via IoT-sensors aangesloten op het systeem. AI-waarschuwingssystemen voor overstromingen kunnen later toegevoegd worden.
Mens moet actie ondernemen
AI kan de data analyseren, sneller waarschuwen en maatregelen voorstellen, maar de mens moet vervolgens reageren en de juiste beslissingen nemen. Salamati. “AI lost niet alle problemen op. AI kan overstromingen voorspellen, maar als niemand actie kan ondernemen, zijn we terug bij af. AI helpt ons om betere beslissingen te nemen in plaats van die beslissingen voor ons te nemen. Hoe we de uitkomsten van AI-modellen gebruiken en hoe we actie ondernemen is een andere zaak. Dat laat nog maar eens zien dat AI de mensen niet kan vervangen die de beslissingen moeten nemen.”
Lees ook:
schrijf je in voor de nieuwsbrief
Wil jij iedere ochtend rond 7 uur het laatste nieuws over duurzaamheid ontvangen? Dat kan!
Schrijf je nu in