Twitterdata helpt bij voorkomen schade en slachtoffers overstromingen

VU-promotieonderzoekers Jens de Bruijn en Marleen de Ruiter, assistent-professor Hans de Moel en hoogleraar Jeroen Aerts van de afdeling ‘Water and Climate Risk’ binnen het Instituut voor Milieuvraagstukken (IVM), ontwikkelden samen met Jurjen Wagemaker van FloodTags en Brenden Jongman van de Wereldbank een algoritme voor het real-time opsporen en volgen van overstromingen op basis van tweets.

09-12-2019 | 15:28

Overstromingen hebben de laatste tien jaar wereldwijd voor ruim 400 miljard euro schade aangericht en voor bijna 60.000 slachtoffers gezorgd. Ondanks de enorme impact, die steeds groter wordt door klimaatverandering, blijkt dat overstromingen niet overal effectief kunnen worden opgespoord en is de omvang van een ramp vaak niet meteen duidelijk. De Bruijn en medeauteurs introduceren in hun onderzoek, deze week gepubliceerd in Nature Scientific Data, het nieuwe algoritme dat zij hebben ontwikkeld. Op de Global Flood Monitor zijn de resultaten hiervan gevisualiseerd en kun je zien waar op de wereld overstromingen plaatsvinden en tweets hierover teruglezen.


Twitter als bron van informatie

Satellietinformatie is niet altijd voorhanden door bijvoorbeeld het slechte weer en computervoorspellingen zijn niet altijd betrouwbaar. Daarom wordt Twitter steeds meer gezien als een nieuwe aanvullende bron van informatie voor het opsporen en volgen van gebeurtenissen zoals natuurrampen.

Mensen die wonen op de plaats van een ramp komen het eerst in aanraking met de gevolgen, waardoor hun kennis en informatie vaak het actueelst is. “Wij hebben in de praktijk gezien dat het nieuwe algoritme regelmatig sneller waarschuwingen afgeeft dan andere technologieën. In samenwerking met lokale partijen zoals het Rode Kruis in de Filipijnen en Tanzania ontwikkelen en testen we het systeem verder. Zo kunnen schade en slachtoffers voorkomen worden.” aldus FloodTags directeur Jurjen Wagemaker. Er wordt ook bekeken of het algoritme in andere vakgebieden kan worden ingezet zoals voor het monitoren van droogte en hongersnood.

Automatisch analyseren van tweets
Er zijn wel een paar obstakels bij het juist interpreteren van een tweet. Zo hoeft de tweet “Hevige overstromingen in Amsterdam” niet persé naar onze hoofdstad te verwijzen, maar kan het net zo goed over het dorpje Amsterdam in de Verenigde Staten gaan. “Om dit op te lossen kijken we naar aanvullende openbare informatie zoals de taal van de tweet, tijdzone, andere genoemde plaatsen in de tekst en informatie in vergelijkbare tweets. Zo bepalen we de meest waarschijnlijke plaats waar de Twitteraar het over heeft.” aldus de Bruijn.

Een ander probleem is dat niet alle tweets die het woord ‘overstroming’ bevatten, ook daadwerkelijk over een huidige overstroming gaan. Daarnaast zijn tweets in verschillende talen geschreven en is de tekst niet altijd grammaticaal correct. Om dit op te lossen, hebben de onderzoekers verschillende filtertechnieken op basis van machine learning toegepast zodat zoveel mogelijk irrelevante tweets weg kunnen worden gegooid.

Aerts vult aan dat “het algoritme tenslotte overstromingen detecteert door te zoeken naar de plotselinge toename van overstromings-gerelateerde tweets in een bepaald deel van de wereld. Deze informatie kan vervolgens gebruikt worden door hulporganisaties om sneller in actie te komen en door andere wetenschappers om voorspellingsmodellen op basis van weermodellen te verbeteren”.