Options
Deep Learning Techniques for High-Resolution Coastal Modeling
Bonin, Lorenzo
Manzoni, Luca
2025
Loading...
e-ISBN
978-88-5511-663-3
Abstract
In questo lavoro, ci siamo concentrati sullo sviluppo e l'applicazione di metodi di intelligenza artificiale per il downscaling costiero, in particolare nel contesto dell'Adriatico settentrionale. La motivazione deriva dal fatto che i modelli oceanografici su scala regionale, come quelli forniti dal Copernicus Marine Service, non hanno la risoluzione spaziale necessaria per rappresentare i processi costieri su scala fine. Le portate fluviali, i gradienti di salinità e la variabilità dei nutrienti sono spesso scarsamente catturati da questi modelli, limitandone l'utilità per il monitoraggio e la gestione costiera. Per superare questa sfida, le nostre attività si sono concentrate sulla progettazione, l'addestramento e la validazione di un modello di deep learning in grado di convertire output a risoluzione grossolana in campi ad alta risoluzione. Il lavoro è stato pubblicato su Ocean Modelling (2025) [Adobbati et al. 2025].
In this work, we focused on the development and application of artificial intelligence methods for coastal downscaling, particularly in the context of the northern Adriatic Sea. The motivation stems from the fact that regional-scale oceanographic models, such as those provided by the Copernicus Marine Service, lack the spatial resolution needed to represent fine-scale coastal processes. River discharges, salinity gradients, and nutrient variability are often poorly captured by these models, limiting their usefulness for coastal monitoring and management. To overcome this challenge, our activities concentrated on designing, training, and validating a deep learning model capable of downscaling coarse-resolution outputs into high-resolution fields. The work has been published in Ocean Modelling (2025) [Adobbati et al. 2025].
In questo lavoro, ci siamo concentrati sullo sviluppo e l'applicazione di metodi di intelligenza artificiale per il downscaling costiero, in particolare nel contesto dell'Adriatico settentrionale. La motivazione deriva dal fatto che i modelli oceanografici su scala regionale, come quelli forniti dal Copernicus Marine Service, non hanno la risoluzione spaziale necessaria per rappresentare i processi costieri su scala fine. Le portate fluviali, i gradienti di salinità e la variabilità dei nutrienti sono spesso scarsamente catturati da questi modelli, limitandone l'utilità per il monitoraggio e la gestione costiera. Per superare questa sfida, le nostre attività si sono concentrate sulla progettazione, l'addestramento e la validazione di un modello di deep learning in grado di convertire output a risoluzione grossolana in campi ad alta risoluzione. Il lavoro è stato pubblicato su Ocean Modelling (2025) [Adobbati et al. 2025].
Publisher
EUT Edizioni Università di Trieste
Source
Lorenzo Bonin, Luca Manzoni, "Deep Learning Techniques for High-Resolution Coastal Modeling" in: "Pierluigi Barbieri, "iNEST – Interconnected Nord-Est Innovation Ecosystem: General frame of the project and Activities of Young Researcher at the University of Trieste", Trieste, EUT Edizioni Università di Trieste, 2025, pp.
Languages
en
Rights
Attribution-NonCommercial-NoDerivatives 4.0 International