Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

Flood fOREcasting with Satellite Imagery and Generative High-resolution Techniques

Description du projet

L’IA au service de la prévision des inondations en temps réel

Les inondations, qui constituent l’une des catastrophes naturelles les plus destructrices, continuent de dépasser les capacités de prévision des simulations hydrauliques traditionnelles. Soutenu par le programme Actions Marie Skłodowska-Curie, le projet FORESIGHT vise à utiliser l’IA générative pour produire des cartes d’inondation à haute résolution jusqu’à cinq jours à l’avance. Il combinera les données satellitaires avec l’IA formée sur des modèles basés sur la physique pour générer des prévisions rapides et précises sans avoir recours à des simulations traditionnelles chronophages. Cette technologie est testée dans les bassins de l’Indus, du Niger, du Rhin et de la Severn, et peut même prédire les inondations dans les zones dépourvues de capteurs terrestres. L’objectif global du projet est d’aider les autorités à prendre des décisions plus rapides, à sauver des vies et à atténuer les dommages économiques avant le début de l’inondation.

Objectif

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.

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

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

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2024-PF-01

Voir tous les projets financés au titre de cet appel

Coordinateur

THE UNIVERSITY OF READING
Contribution nette de l'UE
€ 276 187,92
Adresse
WHITEKNIGHTS CAMPUS WHITEKNIGHTS HOUSE
RG6 6AH Reading
Royaume-Uni
Région
South East (England) Berkshire, Buckinghamshire and Oxfordshire Berkshire
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
Aucune donnée

Partenaires (2)