Sólo utilizamos Google Analytics para controlar el rendimiento de la web y mejorar la experiencia del usuario. Puede ver nuestra política de cookies, aqui.

KAILANI

Mejorando las predicciones con implementaciones de datos de percepción remota en Copernicus Marine Service

Julio 2022- Agosto 2024

KAILANI Copernicus Marine Badge

El cliente

El Copernicus Marine Service es un proveedor de datos y servicios marinos gratuitos y abiertos para facilitar la aplicación de la normativa marina, apoyar el crecimiento azul y la innovación científica.

El Servicio Copernicus Marino, es financiado por la Comisión Europea e implementado por Mercator Ocean International.

Socios

MeteoFrance (Francia), Oritia & Boreas (España)

El Reto

El objetivo de KAILANI es mejorar las predicciones de oleaje costero en el Servicio Copernicus Marine IBI-WAV, mediante la corrección de sus forzamientos (viento y corrientes en superficie). Los sesgos y errores en vientos y corrientes costeras serán reducidos con Redes Neuronales (ANNs), las cuáles serán entrenadas con datos SAR de satélite y Radares de Alta Frecuencia (HFR). Dichas ANNs serán capaces de predecir viento y corrientes en localidades costeras específicas que serán combinadas con los servicios de predicción existentes..

Ver la descripción del proyecto


KAILANI logo

KAILANI mejora las predicciones de oleaje costero gracias a los datos de satélite e IA


Resultados

KAILANI tiene como fin mejorar las predicciones de oleaje costero en IBI-WAV, beneficiándose de los volúmenes crecientes de datos de satélite y los últimos avances en Inteligencia Artificial.

Incremento de la demanda de mejores productos costeros de viento y circulación para (i) operaciones de búsqueda-y-rescate, (ii) transporte de contaminantes y trazadores pasivos, así como vertidos de hidrocarburos, (iii) energías renovables.

Incremento de la demanda de productos de oleaje costero fiables: Las predicciones de oleaje son datos de entrada para el modelado de inundación costera del servicio Copernicus Emergency (EMS)..

Beneficiarnos de nuevas fuentes observacionales: Mejorar las predicciones mediante la integración de datos de satélite con resultados de los modelos.

Mejorar la precisión de las predicciones sin comprometer los servicios: Una vez entrenadas las ANNs, el coste computacional de corregir las predicciones con ANNs es bajo. La mayor parte del coste computacional viene dado en la fase de entrenamiento.

Escalabilidad de la infraestructura para futuras mejoras: A medida que estén disponibles nuevas observaciones, las ANNs pueden re-entrenarse y extenderse; sin que ello perjudique la cadena operacional.

Obtenga los servicios de NOW para la toma de decisiones