Un outil innovant est désormais disponible pour étudier les impacts des phénomènes météorologiques extrêmes sur le littoral. Il permet à la fois de les anticiper et de prendre des décisions en temps opportun.
À partir d’une étude impliquant le CMCC, un prototype a été créé qui, en utilisant l’intelligence artificielle et l’apprentissage automatique, offre aux décideurs de nouvelles opportunités pour évaluer l’importance des facteurs de risque et planifier des stratégies d’adaptation.
Les zones côtières, caractérisées par une forte densité de population, des activités économiques interconnectées et des écosystèmes fragiles, sont particulièrement vulnérables aux phénomènes extrêmes, qui sont à leur tour en augmentation en raison du changement climatique. Cependant, en raison de la nature complexe de ces interactions, il est nécessaire d’améliorer les méthodologies et les capacités d’évaluation des risques.
L’étude intitulée « Une approche d’apprentissage automatique pour évaluer les risques côtiers liés aux événements météorologiques extrêmes dans la région de Vénétie (Italie) » fait partie des premières études de ce type. Elle utilise des méthodologies d’intelligence artificielle (IA) pour estimer les risques résultant d’événements météorologiques extrêmes le long des communes côtières de la région de Vénétie. Elle offre un nouvel aperçu de la manière dont les modèles d’apprentissage automatique peuvent être utilisés pour l’évaluation environnementale et multirisque dans le contexte du changement climatique.
Résumé graphique. Source : Dal Barco et al 2024.
« Le modèle développé dans l’étude représente un prototype précoce d’outil d’aide à la décision qui sous-tend l’évaluation des risques liés au changement climatique et la définition de stratégies d’adaptation à l’échelle régionale », explique Maria Katherina Dal Barco, chercheuse au CMCC et auteure principale de l’étude.
Le modèle ML développé pour cette recherche peut être utilisé pour estimer l’importance de différents facteurs de risque, offrant un aperçu de leurs facteurs physiques et contribuant ainsi à la mise en œuvre de la planification de l’adaptation.
En fait, l’étude a révélé que les principaux facteurs de risque dans la région de la Vénétie étaient les précipitations totales quotidiennes, l’intensité du vent et la hauteur maximale de la surface de la mer. En outre, elle a montré comment l’importance de ces risques variait selon les communes en raison de la configuration géographique hétérogène du littoral.
« Cette application a pour objectif d’aider les décideurs à élaborer des systèmes d’alerte précoce et des plans d’adaptation », explique Dal Barco. « Il est nécessaire d’identifier les facteurs qui ont historiquement généré ces risques, soit individuellement, soit en combinaison, et de définir, en fonction de la valeur du score de risque, si un échantillon présente ou non un risque élevé d’impact. De plus, compte tenu de la nature et de la caractérisation hétérogènes des zones côtières de la Vénétie, les facteurs d’exposition et de vulnérabilité ont été inclus dans l’analyse, mettant en évidence les particularités territoriales susceptibles d’intensifier les effets des événements météorologiques extrêmes. »
Les algorithmes ML offrent une nouvelle voie pour faire face à ces événements multi-risques, car ils sont capables de gérer efficacement de grandes quantités de données hétérogènes et de modéliser des relations non linéaires complexes entre plusieurs facteurs et mécanismes de rétroaction.
Voir l’étude
New Grb3
