Kan kombinationen av AI och högupplösta radardata avlasta befintliga ledningsnät och minska översvämningsrisken i städer?
Det ska det regionala projektet Opti-SITE ta reda på, genom att identifiera de bästa platserna för naturliga dagvattenbrunnar.
– Genom AI och högupplösta radardata kan vi identifiera optimala placeringar och dimensioneringar för att maximera effekten, säger Salar Haghighatafshar, universitetsadjunkt i miljöteknik och Högskolan Kristianstads representant i projektet Opti-SITE.
Projektet involverar experter och forskare från flera universitet, konsultföretag, forskningsinstitut och kommunala VA-bolag i både Sverige och Danmark.
Syftet är att hitta en modern lösning på översvämningsproblematiken, som bättre klarar av att hantera en klimatsituation med häftiga skyfall.
– Traditionellt sett har städers dagvattenhantering varit beroende av underjordiska ledningsnät, byggda för att snabbt leda bort regnvatten och förhindra översvämningar. Dessa system, som vi fortfarande använder i våra städer, designades utifrån dåtidens förutsättningar. Men dagens klimatutmaningar ställer dem inför svåra prövningar, säger Salar Haghighatafshar.
Att bygga ut eller ersätta hela ledningssystem är ekonomiskt ohållbart, menar Salar. Istället behöver vi avlasta dem genom naturbaserade dagvattenanläggningar som efterliknar naturens egna processer för att hantera avrinning.
– Det är här Opti-SITE kommer in. Vi ska utveckla ett verktyg som kan förutspå var i städerna dessa lösningar gör störst nytta. Genom AI och högupplösta radardata kan vi identifiera optimala placeringar och dimensioneringar för att maximera effekten.
Tränar AI-modeller på tidigare simuleringar
Genom att träna AI-modellerna på tidigare hydrodynamiska simuleringar kan man identifiera de optimala placeringarna på en bråkdela av tiden som tidiagre gick åt. Radardata spelar också en viktig roll genom att ge en mer detaljerad bild av regnmönster jämfört med traditionella punktmätningar från enskilda regnmätare.
– Med radar kan vi få en mer komplett bild av hur regnet fördelar sig över staden. Det gör våra modeller betydligt mer träffsäkra och relevanta, säger Salar Haghighatafshar.
Opti-SITE kommer att genomföra sina tester i Landskrona och Köpenhamn och ska resultera i en prototypmodul som kan användas av beslutsfattare och stadsplanerare för att implementera mer hållbara och effektiva dagvattenlösningar.
Projektägare för Opti-SITE är Sweden Water Research, med Victoria Rydengård som projektledare. Övriga deltagande partners är Lunds Universitet, Högskolan Kristianstad, Aalborg Universitet, DHI Sverige, Hofor och NSVA.
Projektet pågår mellan 2025-2028 och genomförs med finansiering av Interreg Öresund-Kattegat-Skagerak.
Läs mer: Kristianstad testar AI för att förutse översvämningar
Högskolan Kristianstads forskning och utbildning ska bidra starkt till en positiv och hållbar samhällsutveckling, med regional relevans.
