Skip to main content
Ir a la página de inicio de la Comisión Europea (se abrirá en una nueva ventana)
español es
CORDIS - Resultados de investigaciones de la UE
CORDIS

Flood fOREcasting with Satellite Imagery and Generative High-resolution Techniques

Descripción del proyecto

La inteligencia artificial eleva al siguiente nivel la previsión de inundaciones al instante

Las inundaciones, una de las catástrofes naturales más destructivas, siguen superando la capacidad de predicción de las simulaciones hidráulicas tradicionales. El equipo del proyecto FORESIGHT, que cuenta con el apoyo de las Acciones Marie Skłodowska-Curie, pretende utilizar la inteligencia artificial (IA) generativa para elaborar mapas de inundaciones de alta resolución con hasta cinco días de antelación. Combinará datos satelitales con IA entrenada en modelos basados en la física para generar previsiones rápidas y precisas sin necesidad de realizar las tradicionales simulaciones, que llevan mucho tiempo. Esta tecnología se está probando en las cuencas de los ríos Indo, Níger, Rin y Severn, e incluso puede predecir inundaciones en zonas que carecen de sensores terrestres. El objetivo general del proyecto es ayudar a las autoridades a tomar decisiones más rápidas para salvar vidas y mitigar los daños económicos antes de que empiecen las inundaciones.

Objetivo

Floods are among the most devastating natural disasters, causing widespread destruction and economic losses globally. Despite advancements in flood early warning systems, they remain limited in their ability to mitigate such losses, primarily due to a lack of accurate real-time flood inundation maps (FIMs) forecasting and reliable uncertainty quantification. The overall goal of the FORESIGHT project is to develop a framework to address this critical gap by leveraging cutting-edge Generative Artificial Intelligence (GenAI) techniques to forecast real-time FIMs with high resolution (30 meter/6hr) up to 5 days ahead. The proposed approach offers multiple advantages: it enables fast generation of FIMs by employing GenAI and omitting the time-consuming physical hydraulic model component of traditional approaches. It ensures accuracy by modifying dynamic river networks and improving precipitation forecast uncertainties. Physical consistency is maintained by training GenAI with data output from physical models. Crucially, it provides reliable uncertainty quantification for the generated forecasts. This innovative approach will be applied across four diverse large river basins - the Rhine, Indus, Niger, and Severn - to ensure broad applicability. Additionally, I will test the approach in ungauged basins to assess its potential applicability in data-scarce regions. By utilizing only satellite earth observation data and open-source global coverage data, the project aims to pave the way for the development of global operational flood forecasting systems.

Ámbito científico (EuroSciVoc)

Palabras clave

Programa(s)

Tema(s)

Régimen de financiación

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

Ver todos los proyectos financiados en el marco de este régimen de financiación

Convocatoria de propuestas

(se abrirá en una nueva ventana) HORIZON-MSCA-2024-PF-01

Ver todos los proyectos financiados en el marco de esta convocatoria

Coordinador

THE UNIVERSITY OF READING
Aportación neta de la UEn
€ 276 187,92
Dirección
WHITEKNIGHTS CAMPUS WHITEKNIGHTS HOUSE
RG6 6AH Reading
Reino Unido
Región
South East (England) Berkshire, Buckinghamshire and Oxfordshire Berkshire
Tipo de actividad
Higher or Secondary Education Establishments
Enlaces
Coste total
Sin datos

Socios (2)