عملت Ordnance Survey (OS) مع Snowflake لتطوير الاستعداد الذكي للفيضانات، وهو نموذج بيانات مدعوم بالذكاء الاصطناعي (AI) لتقييم تأثير الفيضانات. وقد حدد النموذج أن 1.2 مليون شخص في إنجلترا معرضون لخطر الوقوع خارج تدابير الحماية من الفيضانات، والعديد منهم في بعض المناطق الأكثر حرمانا في البلاد.

الاستخدام الرئيسي للنموذج هو في صنع السياسات، حيث يكون قادرًا على دعم تحليل بيانات أكثر تفصيلاً بدلاً من التعامل مع المناطق الجغرافية الواسعة على أنها متجانسة عند تقييم مخاطر الفيضانات وعلاجها. وفقًا لـ Snowflake وOS، يمكن لواضعي السياسات استخدام النموذج لتحديد خطط خصائص الفترة مع الأقبية، على سبيل المثال، وتطبيق هذا البروتوكول على المناطق التي يظهر فيها وجود هذه الخصائص. كما أنه يوفر لصانعي السياسات القدرة على تقييم مجموعات الضعف، خاصة عندما تمتد هذه المناطق عبر حدود تعسفية مثل السلطات المحلية أو مناطق خطة إدارة مخاطر الفيضانات (FRMP).

يجمع النموذج بين بيانات مباني نظام التشغيل مع مجموعة من البيانات الحكومية وFRMPs الحالية. فهو يجمع بين ستة تدفقات بيانات مهمة ومنفصلة تمامًا في طبقة واحدة مشتركة من “الذكاء الهيكلي”.

تضمن التحليل الأولي جمع مجموعات بيانات بناء نظام التشغيل مع مؤشرات الحرمان في إنجلترا. قال Snowflake وOS إن النموذج كان قادرًا على تحديد مكان تقاطع الضعف الجسدي (ارتفاع المبنى ونوعه) مع المخاطر الاجتماعية. تم بعد ذلك مقارنتها ببيانات الفيضانات الصادرة عن وكالة البيئة (EA)، ونطاقات مخاطر الفيضانات المحمية وغير المحمية في الأنهار والبحار التابعة لوكالة البيئة (EA)، وتحليل نص يعتمد على الذكاء الاصطناعي لأكثر من 3000 صفحة من وثائق FRMP القانونية.

قال Snowflake وOS إن النموذج يقدر أن ما يصل إلى 68% من المباني التي تم تحديدها يمكن أن تكون معرضة بشدة للآثار اللاحقة للفيضانات – معرضة لخطر كبير للفيضانات، ولكنها تقع أيضًا في مناطق محرومة وربما تفتقر إلى الموارد والبنية التحتية الاجتماعية للمساعدة في التعافي بسرعة. ومن المرجح أن يكون أحد العوامل المساهمة في ذلك هو أن ما يصل إلى 84% من هذه المباني غير المحمية يعود تاريخها إلى ما قبل عام 2001 – قبل أن يضمن التشريع أخذ مخاطر الفيضانات في الاعتبار عند أذونات التخطيط.

تم تحديد منطقة يوركشاير وهامبر من خلال النموذج على أنهما تحتويان على أعلى تركيزات من الممتلكات المعرضة للخطر وغير المحمية.

بالإضافة إلى ذلك، يشير التحليل المستند إلى النموذج إلى أن 15% من المباني المعرضة للخطر يعود تاريخها إلى ما قبل عام 1919، و23% من عام 1919 إلى عام 1959، لذلك من المحتمل أن يتم بناؤها قبل أن يصبح موقعها معرضًا لخطر الفيضانات – مما يؤكد مدى ديناميكية البيئة الطبيعية والمبنية في إنجلترا، كما تم التقاطها من خلال البيانات الجغرافية المكانية لنظام التشغيل.

قال تيم شيلتون، مدير المستشار الجغرافي المكاني في OS: “إن Ordnance Survey متحمس للتعاون مع Snowflake لتطوير نموذج ذكاء اصطناعي مبتكر يمكن أن يساعد السلطات المحلية على فهم الفيضانات والتخطيط لها وإدارتها بشكل أفضل.

وأضاف: “استنادًا إلى البيانات الجغرافية المكانية الموثوقة والموثوقة لنظام التشغيل وتم تطويرها باستخدام تقنية Snowflake، يوفر النموذج رؤى حول مدى جودة حماية المناطق والممتلكات ومكان تحديد أولويات الاستثمار في الدفاعات الحيوية ضد الفيضانات”.

“من خلال تقديم معلومات جغرافية مكانية يصعب استخلاصها يدويًا، يمكن لصناع القرار الوصول إلى رؤى قائمة على البيانات وقابلة للتنفيذ – دون تحمل عبء تحليل جداول البيانات التي لا نهاية لها. يرسم النموذج المناطق المعرضة للخطر ويحدد المناطق الأكثر عرضة للخطر، مما يساعد الحكومة المحلية على تشكيل السياسات وتوجيه الموارد وحماية المجتمعات.”

وتشير البيانات أيضًا إلى أن 85% من المباني المعرضة للخطر وغير المحمية معرضة لفيضانات المياه السطحية، بدلاً من فيضانات الأنهار أو السواحل. قال Snowflake وOS إن هذا يعني أن المباني السكنية عالية الكثافة ومتعددة الوحدات قد تمثل أسرًا معرضة للخطر أكثر من تلك الموجودة في المواقع المطلة على البحر أو على ضفاف النهر.

قال فؤاد قريشي، الرئيس التنفيذي العالمي للتكنولوجيا في شركة Snowflake: “البيانات هي جوهر اتخاذ قرارات مستنيرة. وكما يوضح هذا المشروع، من النادر أن يحتفظ جسم واحد بجميع البيانات ذات الصلة أو أن تكون هذه البيانات بنفس التنسيق. ولكننا الآن في عصر يمكن فيه للتكنولوجيا أن تجمع الأشخاص المناسبين والبيانات المناسبة للتعاون في اتخاذ قرارات مستنيرة بشكل أفضل.”

ويمكن استخدام مثل هذه البيانات، على سبيل المثال، لتقييم الاستثمار في البنية التحتية للمياه السطحية مثل تحسين الصرف، بالنظر إلى أن معظم العقارات معرضة لخطر فيضانات المياه السطحية.