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

Flood fOREcasting with Satellite Imagery and Generative High-resolution Techniques

Descrizione del progetto

L’intelligenza artificiale per portare la previsione delle inondazioni in tempo reale al livello successivo

In quanto una delle catastrofi naturali più distruttive, le inondazioni continuano a superare le capacità di previsione delle simulazioni idrauliche tradizionali. Sostenuto dal programma di azioni Marie Skłodowska-Curie il progetto FORESIGHT mira a utilizzare l’intelligenza artificiale (IA) generativa per produrre mappe di inondazione ad alta risoluzione con una capacità previsionale di fino a 5 giorni. Il progetto combinerà i dati satellitari con l’IA addestrata su modelli fisici per generare previsioni rapide e precise senza dover ricorrere alle simulazioni tradizionali, molto dispendiose in termini di tempo. La tecnologia concepita è in fase di sperimentazione nei bacini fluviali dell’Indo, del Niger, del Reno e del Severn ed è in grado di prevedere le inondazioni anche in aree prive di sensori a terra, con l’obiettivo di aiutare le autorità a prendere decisioni più rapide e salvavita e a mitigare i danni economici prima dell’arrivo delle inondazioni.

Obiettivo

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.

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-MSCA-2024-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

THE UNIVERSITY OF READING
Contributo netto dell'UE
€ 276 187,92
Indirizzo
WHITEKNIGHTS CAMPUS WHITEKNIGHTS HOUSE
RG6 6AH Reading
Regno Unito
Regione
South East (England) Berkshire, Buckinghamshire and Oxfordshire Berkshire
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Partner (2)