FloodSENS

FloodSENS is een machine-learning toepassing voor overstromingskaarten van het in Luxemburg gevestigde RSS-Hydro. Het adresseert een terugkerende lacune in satellietoverstromingsmonitoring: optische beelden die tijdens overstromingen worden gemaakt, zijn vaak deels bedekt door wolken, waardoor overstroomde gebieden onzichtbaar blijven en de werkelijke impact van een gebeurtenis wordt onderschat.

Het model is gebaseerd op de U-Net architectuur en gebruikt Sentinel-2 overstromingsbeelden samen met afgeleide lagen van digitale hoogtemodellen die betrekking hebben op topografie en waterstroming, waardoor het overstroomde gebieden onder gedeeltelijke bewolking kan reconstrueren. Het is getraind op deskundig gelabelde Sentinel-2 overstromingsbeelden uit verschillende biomen, gebeurtenissen en locaties, en in interne tests presteert het gemiddeld minstens zo goed als een gekalibreerde band-ratio index (>90% correcte voorspelling). De output zijn overstromingsuitbreidingsrasters in GeoTIFF, waarvan de aanbieder aangeeft dat deze binnen 30 minuten na beschikbaarheid van het beeld worden geleverd; 3D-visualisatie van de resultaten is op verzoek beschikbaar, en de aanbieder beschrijft lokale containergebaseerde implementatie en opties zoals overstromingsdieptemeting en integratie van commerciële beelden.

FloodSENS is ontwikkeld met het InCubed-programma van ESA, dat het VN Wereldvoedselprogramma, het Nationaal Instituut voor Rampenbeheer van Mozambique (INGC) en de herverzekeringsmakelaar Willis Re als eerste partners en testklanten heeft benoemd. Het is gericht op rampenbestrijdingsinstanties, humanitaire organisaties en de verzekerings- en herverzekeringsmarkt.