연구진은 방글라데시 하오르 습지의 예측 불가능한 홍수 피해를 줄이기 위해 HaorFloodAlert라는 기계 학습 앙상블을 개발했어요. 기존 시스템의 한계를 극복하기 위해 온도 변수를 제거하고, 상류 바라크 강 SAR 데이터를 활용하여 36시간의 예측 시간 확보에 성공했어요. 77개의 실제 Sentinel-1 이벤트를 기반으로 LOOCV 정확도 89.6%, 재현율 87.5%, AUC-ROC 0.943을 달성했어요.
HaorFloodAlert는 72시간 홍수 발생 확률을 예측하며, 3단계 경보 시스템과 BRRI에서 교정된 boro 쌀 피해 추정기를 포함하고 있어요. 기존 방식에서 온도 변수가 예측 정확도를 높이는 '꼼수' 역할을 한다는 것을 발견하고 이를 제거하여 모델의 신뢰성을 높였어요.
상류 바라크 강 지역의 Sentinel-1 SAR 데이터 변화를 감지하여 홍수 예측에 활용하며, Otsu 임계값 기반 SAR 변화 감지는 84~91%의 공간적 일치율을 보였어요.