地球持續升溫，速度比科學家先前預測還要快。今年（2023）夏季高溫屢創新高，有望成為史上最熱的1年，聯合國公布的研究結果指出，極端氣候越來越頻繁，嚴重威脅人類健康。世界氣象組織警告，到2030年時，每年將可能發生560起中、大型氣候災難，平均每天就有1.5起，影響最嚴重就是低所得與中所得國家，尤其在預警系統不完善的國家，死亡率將比完善覆蓋的國家高出8倍。
巴西南部至少有60個城市，在今年九月遭受氣旋侵襲，造成1650位災民無家可歸，造成至少21人死亡，是當地有史以來最致命的天災。
同樣於九月，土耳其因為長達3個小時的強降雨釀成洪災，影響當地交通，致命豪雨也在伊斯坦堡造成至少2人死亡。鄰國保加利亞也是豪雨不斷，多座橋梁被衝毀，至少2人喪命，極端氣候持續在全球各地釀成致命災情。
近期，水文學家和電腦網路研究人員合作開發了一個機器學習模型以進行水文預測，期望能改善傳統水文預測模型，並給出更準確的結果。義大利帕多瓦大學資訊工程教授Andrea Zanella表示，利用水文學模型預測自然災害的方法已經行之有年，但這些傳統模型需要複雜的數學計算以及大量參數，效率較低。
通過使用機器學習技術，使用從氣象站感測器獲得的降雨量和大氣壓力作為輸入參數，研究人員能夠訓練一個模型，最終希望該模型可以在幾個小時的準備時間內準確地預測水徑流以及洪水的發生，這將使人們有更多時間做好準備或撤離一個區域。
根據Zanella的說法，現今的水文學有三個可改善的面向：收集資料的方式、天氣資料前處理、水文資料視覺化。
現今的氣象資料收集方法效率較低，氣象站通常以預定的時間間隔收集水文資料，每隔幾小時甚至幾天收集一次。學者認為，可以將氣象站收集資料的模式改變得更有彈性。理想情況下，感測器會在有降水時顯著增加資料收集，並在天氣漸緩時減慢收集速度。
天氣感測器還應該加入資料前處理的功能。目前，從感測器下載資料的研究人員必須篩選大量資料才能找到有用的降水資料。不僅耗時，還佔用了更多儲存空間。如果氣象站自動進行資料前處理，則可以清理不必要的資料並提高資料儲存效率。
該研究還強調了水文資料視覺化的重要性。作為一個具有重要實際應用的領域，水文資訊應該易於理解，適用於來自不同技術背景的廣大民眾，但目前情況並非如此。例如，顯示降雨強度隨時間變化的雨量分布圖，因難以理解而無法為民眾提供有效的資訊。
為了促進水文學領域發展，需要來自不同學科的研究人員的合作。希望更多具有通訊和網路背景的研究人員能夠加入該領域工作，以幫助應對挑戰。
| 本文內容純屬筆者個人意見，並不代表TWNIC立場 |
相關連結：
Tammy Xu(2023). Machine Learning Could Be Used to Better Predict Floods. IEEE. 檢自：https://spectrum.ieee.org/flood-warning
沈祿珮(2023). 巴西致命氣旋致21死 土耳其暴雨釀洪災2死. 公視新聞網. 檢自：https://news.pts.org.tw/article/655019
鄭惟仁(2023). 聯合國指極端氣候將更頻繁 影響低所得國家最嚴重. 公視新聞網. 檢自：https://news.pts.org.tw/article/664920
