Дека нивниот модел функционира, покажаа на примерот на Хјустон и поплавите кои се случија по ураганот Харви во 2017 година.
Со оглед на тоа колку климата се промени во последните години, методот развиен од научниците од МИТ би можел да биде многу корисен. Имено, тие развија метод кој генерира сателитски снимки кои покажуваат како би изгледала областа по потенцијална поплава.
Како што истакнуваат, нивниот метод комбинира генеративен модел на вештачка интелигенција со модел на поплава базиран на физика, со цел да се создаде што е можно пореален поглед од птичја перспектива на одредена област. На овој начин тие можат јасно да покажат каде би можеле да настанат поплави и колку области би биле зафатени.
При тестирањето на моделот, научниците користеле податоци од ураганот Харви, кој го погоди Хјустон и околината во 2017 година. Откако моделот генерира сателитски снимки, научниците ги споредија со вистинските снимки направени по ураганот. Тие исто така споредувале слики кои биле создадени со помош на вештачка интелигенција, но не вклучувале модел базиран на физика.
Откриле дека нивниот модел на генерирање сателитски снимки со помош на вештачка интелигенција врз основа на физички модел е пореален и попрецизен.
Еден ден би можеле да го искористиме ова пред ураган за да обезбедиме дополнителен слој на визуелизација за јавноста, вели Бјорн Лутјенс, постдокторски соработник на Катедрата за Земја, атмосферски и планетарни науки при MIT, кој го водеше истражувањето додека беше докторант во Одделот за аеронаутика и астронаутика на MIT (AeroAstro). Еден од најголемите предизвици е охрабрувањето на луѓето да се евакуираат кога се во опасност. Можеби ова би можело да биде уште една визуелизација што ќе помогне да се зголеми таа подготвеност.
Како што објаснија тие, обично креаторите на политиката можат да добијат идеја за тоа каде може да се појават поплави врз основа на визуелизации во форма на мапи кодирани во боја. Овие карти се финален производ на серијата физички модели кои обично започнуваат со модел на патека на урагани, кој потоа се внесува во модел на ветер кој ги симулира шемата и јачината на ветровите во локален регион. Хидрауличниот модел потоа покажува каде ќе се случат поплави врз основа на локалната инфраструктура и генерира визуелна мапа со кодирана боја на височините на поплавите во одреден регион.
Обезбедувањето хипер-локална климатска перспектива се чини дека е најефективниот начин да ги пренесеме нашите научни резултати, вели Дава Њуман, автор на студијата. Луѓето се поврзуваат со нивниот поштенски број, нивната локална средина каде што живеат нивното семејство и пријатели. Обезбедувањето локални климатски симулации станува интуитивно, лично и поврзано.
Иако со примерот на Хјустон покажаа дека нивниот метод функционира, создавањето на нов модел за друга област би барало многу време и ресурси. Но, тоа не е невозможно.
Засега, тие го направија својот метод достапен за сите на "GitHub" како „Earth Intelligence Engine“, а резултатите што ги добија при развојот на методот беа објавени во списанието "IEEE Transactions on Geoscience and Remote Sensing'.
