IBM teste une nouvelle technologie prometteuse pour l'alerte aux crues

Dimanche, 11 Septembre 2011 15:03

Des chercheurs de l’université du Texas à Austin et d’IBM ont annoncé avoir développé une nouvelle technologie de prévision des inondations qui peut simuler les cours d’eau 100 fois plus vite que dans la réalité. Ce partenariat réunit l’expertise analytique d’IBM avec l’expérience de l’université en matière de réseaux fluviaux, de météo et de données de capteurs. La technologie pourrait permettre de donner l’alerte plusieurs jours avant qu’une inondation ne se produise. Les techniques conventionnelles de prévision des inondations aux États-Unis se concentrent uniquement sur les principaux bras des plus grands fleuves. Lorsque les ressources sont limitées, il est pertinent de commencer par là, mais les réseaux fluviaux sont appelés « réseaux » pour une bonne raison, et les réseaux des affluents représentent le principal stade des inondations qui provoquent des dégâts matériels, voire des décès. L’échelle est donc un problème. Mais qu’en est-il si vous pouvez simuler tous ces réseaux d’affluents en une seule fois à l’aide de supercalculateurs ? Avec l’aide du modèle de simulation météorologique Deep Thunder d’IBM, les chercheurs s’efforcent de prédire les 370 km de long du fleuve Guadalupe et les 14.500 km d’affluents du Texas. Le système est également rapide, puisqu’il peut générer jusqu’à 100 heures du comportement du fleuve en seulement une heure de temps. « La préparation efficace face aux inondations peut être considérée comme un problème informatique à grande échelle, avec un nombre considérable de données et d’indépendances pertinentes », indique Frank Liu, chercheur à IBM. La valeur de ce système réside dans l’avance donnée aux municipalités et aux équipes en charge de la réponse aux catastrophes, qui peuvent décider et exécuter des plans d’urgence entre le moment de la prévision et la survenue de l’événement. Il est encore plus utile pour les planificateurs régionaux, qui peuvent potentiellement découvrir des dépendances entre réseaux que les recherches précédentes ne montraient pas, poussant l’idée d’une approche « réseaux » encore plus loin et entre les frontières des États. En outre, il fournit des données plus granulaires pour gérer les efforts d’irrigation ayant trait à la préservation de l’eau. Les chercheurs de l’université du Texas indiquent qu’ils prévoient de relier le modèle fluvial directement au système de radars de précipitations NEXRAD afin de mieux prédire le risque d’inondation par petit cours d’eau. CATNAT