La maldición de Kosi: cómo evaluar el río maldito de Bihar Eye; Reduce el daño por inundación
Cada año, el río Kosi, conocido como «Mourning Bihar», es un desafío para las regiones y comunidades de North Bihar debido a las devastadoras inundaciones cada año. El flujo cambiante del río Kosi ha sido un desafío de mucho tiempo. En los últimos años, las inundaciones severas han causado un daño generalizado, que ha sido afectado por la vida y el sustento. Para resolver este problema cada año, los investigadores del Instituto Indio de Tecnología Roorkee (IIT Roorkee) han desarrollado una estructura de inteligencia artificial (IA), diseñada para asignar referencias y pérdidas de inundaciones más precisas en esta área sensible.
21 Análisis de factores ambientales
Los investigadores de IIT Roorkee se han centrado en MegaFon, que ha sido depositado durante siglos. El grupo utilizó imágenes satelitales y datos de altura para analizar 21 aspectos ambientales que afectan el comportamiento de la inundación. Estos factores incluyen lluvia, uso de la tierra, densidad de drenaje, tipo de suelo y tierra. Al consolidar este rico conjunto de datos, los investigadores han preparado un modelo de conjunto de aprendizaje automático purificado, utilizando métodos bilaterales para aumentar la precisión de la evaluación.
Ai encuentra una solución para la inundación
Este estudio tiene el principal progreso de los métodos de IA detallados. A diferencia de los modelos de IA tradicionales, a menudo actúa como una «cajas de bloques» translúcidas, lo que permite que el sistema proporcione una aclaración definitiva detrás de las instrucciones de peligro de inundación. Esta transparencia es importante para crear confianza entre los diseñadores de políticas y las autoridades locales, ayudándoles a comprender por qué algunas áreas son sensibles a las inundaciones. Los mapas de sensibilidad a las inundaciones proporcionan información valiosa en la cuenca y proporcionan dirección para reducir la respuesta de emergencia e inundaciones.
Publicado en la revista ambiental y los indicadores de sostenibilidad (Factor de impacto 5.6), la investigación fue dirigida por MD Gfran Alam bajo la guía del profesor Mohit Prakash Mohanty, en el que también cooperaron el doctorado Vaibhav Tripathi y el Dr. Bhatt.
Rarsha afecta a millones de personas
Esta investigación de IIT Roorkee juega un papel importante en el aumento de la seguridad de millones de personas que viven en áreas afectadas por las inundaciones. Las inundaciones estacionales en Bihar han sido interrumpidas durante mucho tiempo por desplazamiento generalizado, pérdida de cultivos y medios de vida locales. La construcción de la sensibilidad a la inundación basada en IA, que resuelve estos desafíos, se ha convertido en una herramienta importante para la gestión activa de desastres.
A diferencia de los modelos tradicionales, esta estructura no solo hace que las áreas de propuesta de inundación tomen TS, sino que también destaca las razones subyacentes, que ayudan a los administradores locales, los planes y los equipos de respuesta a desastres a tomar medidas oportunas. En estos intervenciones, existen mejores planes de infraestructura para una dispersión de alerta efectiva y una gestión efectiva de alivio, lo que lleva colectivamente a las sociedades a una flexibilidad más atmosférica.
Kosi Megafon en Bihar, que tiene un gran fanático aluvial, ha destacado la sensibilidad especial de las inundaciones en todo el territorio. El área se clasifica en cinco categorías: muy baja (26.03%), baja (19.85%), media (10.64%), alta (8.29%) y muy alta (35.18%). Lo notable es que la mayor sensibilidad a la inundación se concentra en las orillas del río Kosi principal y sus viejas corrientes, que identifican áreas importantes para los esfuerzos de alivio concentrados.
Estudio histórico a otras áreas
La singularidad de este método es su medición y compatibilidad. Esta estructura de IA está más allá de los límites regionales, utilizando datos de código abierto, medir algoritmos y enfatizar la transparencia del modelo. Proporciona una opción práctica de los modelos hidrogenámicos tradicionales, especialmente en el entorno indicado por datos, las condiciones fronterizas y los registros de alta históricos detallados a menudo no están disponibles.
También lectura
4 personas fueron arrestadas de Delhi para hacer pesticidas ilegales, recuperando 3.2 toneladas de productos químicos del almacén
El 52 por ciento de la cebolla cayó, la papa-hemato también esperaba colapsar
