Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Flood fOREcasting with Satellite Imagery and Generative High-resolution Techniques

Opis projektu

Sztuczna inteligencja rozwija prognozowanie powodzi w czasie rzeczywistym

Powodzie są jedną z najbardziej niszczycielskich klęsk żywiołowych, a jednocześnie nadal przekraczają możliwości konwencjonalnych symulacji hydraulicznych. Zespół finansowanego ze środków działania „Maria Skłodowska-Curie” projektu FORESIGHT ma na celu wykorzystanie generatywnej sztucznej inteligencji do tworzenia map terenów zalewowych o wysokiej rozdzielczości z pięciodniowym wyprzedzeniem. Zespół połączy dane satelitarne ze sztuczną inteligencją przeszkoloną w zakresie modeli opartych na fizyce, aby generować szybkie, precyzyjne prognozy bez konieczności przeprowadzania czasochłonnych tradycyjnych symulacji. Technologia jest testowana w dorzeczach rzek Indus, Niger, Ren i Severn. Rozwiązanie pozwala na przewidywanie powodzi na obszarach pozbawionych czujników naziemnych. Celem prac jest pomoc samorządom w szybszym podejmowaniu decyzji ratujących życie i łagodzeniu szkód gospodarczych przed powodzią.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

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

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2024-PF-01

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

THE UNIVERSITY OF READING
Wkład UE netto
€ 276 187,92
Adres
WHITEKNIGHTS CAMPUS WHITEKNIGHTS HOUSE
RG6 6AH Reading
Zjednoczone Królestwo
Region
South East (England) Berkshire, Buckinghamshire and Oxfordshire Berkshire
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity
Brak danych

Partnerzy (2)