Kosi’s Curse: come valutare il fiume maledetto di Bihar Eye; Riduce i danni da inondazione
Ogni anno, il fiume Kosi, noto come “Bihar Wurning”, è una sfida per le regioni e le comunità del Bihar del Nord a causa di inondazioni devastanti ogni anno. Il flusso mutevole del fiume Kosi è stata una sfida da molto tempo. Negli ultimi anni, gravi inondazioni hanno causato danni diffusi, che sono stati colpiti dalla vita e dal sostentamento. Per risolvere questo problema ogni anno, i ricercatori dell’Indian Institute of Technology Roorkee (IIT Roorkee) hanno sviluppato una struttura di intelligenza artificiale (AI), progettata per mappare perdite di riferimento e alluvione più accurate in questa area sensibile.
21 Analisi dei fattori ambientali
I ricercatori dell’IIT Roorkee si sono concentrati su Megafon, che è stato depositato per secoli. Il gruppo ha utilizzato immagini satellitari e dati di altezza per analizzare 21 aspetti ambientali che influenzano il comportamento delle inondazioni. Questi fattori includono precipitazioni, uso del suolo, densità di drenaggio, tipo di suolo e terra. Consolidando questo ricco set di dati, i ricercatori hanno preparato un modello di ensemble di apprendimento automatico purificato, utilizzando metodi bilaterali per aumentare l’accuratezza della valutazione.
L’IA trova una soluzione per alluvione
Questo studio ha il principale progresso dei metodi AI dettagliati. A differenza dei tradizionali modelli di intelligenza artificiale, funge spesso da “scatole di blocco” traslucide, consentendo al sistema di fornire chiarimenti definitivi dietro le istruzioni per il rischio di alluvione. Questa trasparenza è importante per creare fiducia tra progettisti di politiche e autorità locali, aiutandoli a capire perché alcune aree sono sensibili alle inondazioni. Le mappe di sensibilità delle inondazioni forniscono preziose informazioni nel bacino e forniscono indicazioni per ridurre la risposta alle emergenze e le inondazioni.
Pubblicato sugli indicatori di rivista ambientale e sostenibilità (fattore di impatto 5.6), la ricerca è stata condotta da MD Gfran Alam sotto la guida del professor Mohit Prakash Mohanty, in cui hanno collaborato anche il dottorato Pandoter Vaibhav Tripathi e il Dr. Bhatt.
Rarsha colpisce milioni di persone
Questa ricerca di IIT Roorkee svolge un ruolo importante nell’aumento della sicurezza di milioni di persone che vivono in aree affetti da alluvione. Le alluvioni stagionali nel Bihar sono state a lungo interrotte da spostamenti diffusi, perdita delle colture e sostentamento locale. La costruzione della sensibilità alluvionale con sede in AI, risolvendo queste sfide, è emersa come uno strumento importante per la gestione attiva delle catastrofi.
A differenza dei modelli tradizionali, questa struttura non solo fa sì che le aree del potto di alluvione prendano TS, ma evidenzia anche le ragioni sottostanti, che aiutano gli amministratori locali, i piani e i team di risposta alle catastrofi a intraprendere un’azione tempestiva. In questi interventi ci sono migliori piani di infrastrutture per un’efficace dispersione di allerta e una gestione efficace di soccorso, conducendo collettivamente le società a una maggiore flessibilità atmosferica.
Kosi Megafon in Bihar, che ha un grande fan alluvionale, ha messo in evidenza la speciale sensibilità delle inondazioni in tutto il territorio. L’area è classificata in cinque categorie: molto basso (26,03%), basso (19,85%), mezzo (10,64%), alto (8,29%) e molto alto (35,18%). Ciò che è straordinario è che la massima sensibilità al diluvio è concentrata sulle rive del fiume principale di Kosi e sulle sue vecchie correnti, che identificano aree importanti per gli sforzi di soccorso concentrati.
Studio storico in altre aree
L’unicità di questo metodo è la sua misurazione e compatibilità. Questa struttura AI va oltre i confini regionali, utilizzando dati open source, misurando algoritmi e sottolineando la trasparenza del modello. Fornisce un’opzione pratica di modelli idrogenamici tradizionali, in particolare nell’ambiente indicato dai dati, le condizioni di confine e i registri dettagliati di scarico storico non sono spesso disponibili.
Anche leggi-
4 persone sono state arrestate da Delhi per produrre pesticidi illegali, recuperando 3,2 tonnellate di sostanze chimiche dal magazzino
Il 52 percento della cipolla è caduto, anche il patate-hemato sperava di crollare
