SmartFLOOD

SmartFLOOD е облачна уеб платформа на GECOsistema за картографиране на речен (флувиален) риск от наводнения върху големи територии, където провеждането на детайлни хидродинамични модели за всяко водосборно пространство е твърде скъпо или данните са оскъдни. Ядрото ѝ е Геоморфологичният индекс на наводнение (GFI), изчислен чрез теренен анализ на хидрологично коригирани цифрови модели на релефа: 25 м модел за Европа и, за глобалната версия, 90 м MERIT Hydro набор от данни, който се базира на MERIT DEM, модел на височини, извлечен от космически DEM, включително NASA SRTM и JAXA AW3D. Машинно-обучаващ бинарен класификатор калибрира прага на GFI спрямо референтна карта на риска от наводнения, която потребителят избира от наличните карти или качва: резултати от хидродинамични симулации (например JRC LISFLOOD), сателитни класификации на наводнения от Copernicus Sentinel-1 или теренни проучвания. Резултатът разширява локалните изследвания на наводнения към непокрити области (например от подбасейн към цял водосборен басейн) и намалява резолюцията на по-груби референтни карти, като се предоставят показатели за ефективност за всеки речен басейн. В рецензирана методологична статия (Tavares da Costa et al., 2019), съавторство на екипа на GECOsistema и цитирана на продуктовата страница, подходът възпроизвежда референтни карти на наводнения с точност на класификация 88.59% за 270 основни европейски речни басейна и 84.23% за 64 подбасейна на река По. Съществуват паневропейска (25 м) и глобална (90 м) версии. Безплатна версия с ограничения по площ и резолюция е достъпна след регистрация; пълното използване е чрез годишен абонамент на зона (регионите EU NUTS 1 или хидробасейни), а изходните карти могат да се изтеглят. GECOsistema насочва продукта към застрахователи и презастрахователи, дефиниращи схеми за прехвърляне на риска от наводнения, публични власти, които имат нужда от хомогенно картографиране на големи територии за изискванията на Директивата за водната рамка на ЕС, и потребители, нуждаещи се от локални карти в региони с оскъдни данни.