Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Offshore Freshened Groundwater Prospecting using Machine Learning

Descrizione del progetto

Mappare i giacimenti al di sotto del fondale marino

Le acque dolci sotterranee offshore, che si trovano sotto il fondale marino e sono caratterizzate da una salinità inferiore a quella dell’acqua di mare, dispongono di potenzialità in qualità di risorsa idrica costiera; tuttavia, l’insufficienza di dati sulla loro distribuzione impedisce di impiegarle efficacemente al fine di alleviare lo stress idrico nelle regioni costiere. In questo contesto, il progetto OPTIMAL, finanziato dall’UE, si propone di prevedere la presenza e la distribuzione delle acque dolci sotterranee offshore a livello globale. La metodologia impiegata dal progetto combina simulazione numerica e apprendimento automatico, facendo ricorso a fattori geologici e geomorfologici. Guidato dall’Università di Malta e in collaborazione con partner provenienti dall’Università di Utrecht e di Deltares, OPTIMAL sviluppa la comprensione scientifica in materia e si allinea agli obiettivi di sviluppo sostenibile. Il progetto agevola il trasferimento delle conoscenze e migliora le competenze in ambito di geologia marina e apprendimento automatico applicato. Grazie alla sua convalida di dati reali, OPTIMAL rappresenta un passo in avanti significativo verso una gestione sostenibile delle risorse idriche.

Obiettivo

Offshore freshened groundwater (OFG) refers to fluids stored in sediment pores and rock fractures below the seafloor, with a salinity lower than seawater. This phenomenon has been identified globally in continental margins and proposed as a resource that can potentially alleviate water stress in coastal regions. However, the scarcity of data to constrain the distribution and volumes of the reservoirs remains a challenge. OPTIMAL project aims to: (i) develop an interdisciplinary methodology to predict the occurrence and distribution of OFG resources built on Artificial Intelligence and (ii) apply the model globally to infer OFG occurrence and quantify the resource feasibility as a function of distribution characteristics such as offshore extent, depth below the seafloor and fresh to brackish water ratio. The proposed methodology uses a surrogate model to create a dataset of input parameters, representing key geological and geomorphological components influencing OFG systems, such as aquitard thickness and seafloor bathymetry. The output data will be generated via numerical simulation of variable-density groundwater transport on the suite of surrogate models using high-performance computing. These data will be used to train and test machine learning algorithms. The successful models will be validated using real-world data from the existing global OFG database. The predictive model proposed in this fellowship contributes to achieving Sustainable Development Goals related to technologies for improving access to water resources. The primary beneficiary of this funding will be the University of Malta. Partner organizations will be Utrecht University and Deltares in The Netherlands. The action presents a unique opportunity for the fellow to transfer his expertise in stochastic reservoir modelling and characterization of OFG systems to the host, while learning about marine geology, seafloor landforms and applied machine learning.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-WIDERA-2022-TALENTS-04

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

UNIVERSITA TA MALTA
Contributo netto dell'UE
€ 161 411,52
Indirizzo
TAL OROQQ
MSD 2080 MSIDA
Malta
Regione
Malta Malta Malta
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Partner (2)