Opis projektu
Mapowanie złóż wody pod dnem morskim
Słodkawe morskie wody podziemne, znajdujące się pod dnem morskim i cechujące się niższym zasoleniem niż woda morska, mają potencjał jako zasoby wód przybrzeżnych. Jednak niewystarczające dane na temat rozmieszczenia tych złóż utrudniają ich skuteczne wykorzystanie na potrzeby zmniejszenia deficytu wody na obszarach przybrzeżnych. W tym kontekście zespół finansowanego przez Unię Europejską projektu OPTIMAL chce umożliwić przewidywanie występowania i rozmieszczenia morskich wód podziemnych na całym świecie. Metodologia użyta w projekcie łączy symulację numeryczną i uczenie maszynowe, wykorzystując czynniki geologiczne i geomorfologiczne. Realizowany przez Uniwersytet Maltański, wespół z Uniwersytetem w Utrechcie i instytutem badawczym Deltares, projekt ten ma na celu rozwój wiedzy naukowej w duchu zgodności z celami zrównoważonego rozwoju. W ten sposób projekt ułatwia transfer wiedzy, jednocześnie poszerzając wiedzę specjalistyczną w zakresie geologii morskiej i stosowanego uczenia maszynowego. Dzięki walidacji danych w warunkach rzeczywistych inicjatywa OPTIMAL stanowi znaczący krok w kierunku zrównoważonego zarządzania zasobami wodnymi.
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
Temat(-y)
Zaproszenie do składania wniosków
HORIZON-WIDERA-2022-TALENTS-04
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordynator
MSD 2080 MSIDA
Malta