Une nouvelle méthode permettant de prédire la manière dont les précipitations contribuent au débit des rivières à travers l'ensemble des États-Unis a été développée par une équipe internationale de scientifiques.
La technique, qui combine des connaissances en physique avec une intelligence artificielle (IA) avancée, vise à aider les décideurs à mieux se préparer aux impacts météorologiques et climatiques extrêmes.
En intégrant l'apprentissage profond à la physique des bassins versants, l'équipe dirigée par l'Université de Clemson en collaboration avec l'Université de Cardiff et l'Institut IHE de Delft pour l'éducation relative à l'eau, a développé des modèles d'IA interprétables et guidés par la physique pour la simulation des précipitations et du ruissellement.
Le modèle a surpassé plusieurs approches hydrologiques traditionnelles tout en estimant la probabilité d'une gamme d'événements de débit fluvial différents, aidant ainsi les scientifiques à identifier les limites et à améliorer les prévisions.
Leurs conclusions, publiées dans la revue Recherche sur les ressources en eaupourrait améliorer la prévision du débit des rivières, la gestion de l’eau et la résilience climatique aux États-Unis et au-delà.
L'auteur principal, le Dr Vidya Samadi, professeur adjoint d'ingénierie des ressources en eau à l'université de Clemson, a déclaré : « Ce travail a été motivé par le besoin d'outils plus précis et plus compréhensibles pour prédire comment les précipitations se traduisent en débit fluvial.
« Les modèles hydrologiques traditionnels ont souvent du mal à gérer les comportements complexes des bassins versants et la simulation complexe du débit des rivières.
« En intégrant des contraintes physiques dans les architectures d'IA modernes, nous avons développé deux modèles probabilistes guidés par la physique qui non seulement surpassent les méthodes existantes, mais offrent également des informations claires sur la façon dont le débit des rivières réagit aux précipitations. Cela aide les chercheurs et autres parties prenantes à identifier les erreurs et à améliorer la prévision du débit des rivières », a ajouté le Dr Samadi, qui a récemment complété une bourse universitaire invitée à l'Université de Cambridge.
Les modèles d’IA ont été formés sur de nombreuses données pluvio-débit observées et simulées à l’aide d’architectures avancées d’apprentissage en profondeur, y compris des transformateurs, pour capturer des modèles complexes au fil du temps.
« En intégrant les attributs physiques des bassins versants, nos modèles ont atteint à la fois une précision et une interprétabilité élevées », a déclaré Sadegh Sadeghi Tabas, un autre auteur de l'article.
« Cela permet aux scientifiques, aux gestionnaires de l'eau et aux autres parties prenantes de mieux comprendre les processus hydrologiques, d'identifier les vulnérabilités potentielles et d'évaluer les incertitudes dans les prévisions de débit des rivières. »
Leur nouvelle technique donne également des explications claires sur la façon dont les prédictions sont faites, ce qui manque souvent aux modèles traditionnels, explique le professeur Catherine Wilson, co-auteur de l'école d'ingénierie de l'université de Cardiff.
« Notre étude montre comment la combinaison de la physique avec des modèles d'IA avancés et interprétables conduit à des prévisions plus précises et transparentes du débit des rivières. Cela aide les scientifiques et les chercheurs à mieux comprendre et, surtout, à faire confiance aux modèles d'IA, afin qu'ils puissent être déployés en toute confiance pour prédire le débit d'eau et gérer les ressources en eau, qui sont essentielles à la planification, à l'agriculture et à l'approvisionnement en eau potable dans le monde entier », explique Wilson.
« Notre objectif était de créer des outils de prévision du débit des rivières non seulement plus précis, mais également plus fiables », explique le professeur Biswa Bhattacharya de l'Institut IHE de Delft pour l'éducation relative à l'eau et autre co-auteur de cette recherche.
« En combinant la physique avec l'IA, nous pouvons donner aux scientifiques et aux gestionnaires de l'eau des informations plus claires sur quand et pourquoi les rivières réagissent comme elles le font, ce qui est essentiel pour préparer les communautés aux inondations, aux sécheresses et aux phénomènes météorologiques extrêmes. »
L'équipe prévoit d'étendre les capacités du modèle en intégrant des variables environnementales supplémentaires, telles que l'humidité du sol, les changements d'utilisation des terres et les projections climatiques, afin d'améliorer la précision des prévisions dans diverses conditions.
Ils visent également à travailler en étroite collaboration avec les parties prenantes, notamment les gestionnaires de l’eau, les intervenants en cas d’urgence, les décideurs politiques et autres, pour appliquer l’IA dans la prise de décision réelle, affiner son interprétabilité et soutenir une gestion plus résiliente des ressources en eau.
