Danmark oplever stigende havniveauer langs kysterne, og selv inde i landet påvirkes mange borgere af højt grundvand. Det er udfordringer, der kan være svære at forstå og endnu sværere at forudse. Derfor er der behov for nye, intelligente måder at overvåge udviklingen på – og for tidlige advarsler, som giver borgere mulighed for at reagere i god tid. Som en del af RESIST-projektet arbejdes der med et netværk af grundvandsloggere, Internet of Things-teknologier, machine learning og en ny app til tidlig varsling.
Netværk af IoT-loggere
I Juelsminde er der installeret et netværk af smarte grundvandssensorer langs kysten. Sensorerne måler grundvandsstand hvert 10. minut ved hjælp af tryktransducere og batteridrevne sendere, der kommunikerer via Narrowband-IoT. Teknologien giver lavt energiforbrug, høj dækningsgrad og stabil datakommunikation – og muliggør data i høj opløsning til brug i klimatilpasning og oversvømmelsesplanlægning.
I alt 14 aktive loggere overvåger grundvand tæt på terræn og leverer kontinuerlige målinger, som danner grundlag for præcise prognoser for oversvømmelsesrisiko.
Machine Learning til forudsigelser
Ved hjælp af machine learning analyserer projektet sammenhængen mellem variationer i grundvandsstanden, havniveau og nedbør. Det terrænnære grundvand reagerer ofte hurtigt på stormflod eller kraftig regn, og modellerne kan derfor bruges til at forudsige, hvornår grundvandet vil stige – og hvor meget.
I Juelsminde anvendes både Support Vector Regression og Long Short-Term Memory-netværk. SVR-modellen kortlægger relationer mellem vandstand, nedbør og havniveau, mens LSTM-netværket håndterer tidslige mønstre og afhængigheder i dataserierne. Sammen gør de det muligt at generere både kort- og langsigtede oversvømmelsesprognoser.
App der advarer borgere om oversvømmelser
Der udvikles en platformuafhængig app, som visualiserer både realtidsdata og modelbaserede forudsigelser. Appen skal give borgere i Juelsminde et hurtigt og tilgængeligt overblik over risikoen for oversvømmelse og kan sende tidlige varsler ved potentielt kritiske hændelser.
RESIST-advarselsappen udvikles i React Native. Den viser historiske grundvandsdata, anvender projektets maskinlæringsmodeller og inkluderer Firebase-login med gæsteadgang, flersprogsvalg og et modulært brugerinterface optimeret til både ydeevne og skalerbarhed.