Embedded Files
L'evento si svolgera' il giovedi' 28/11 (dalle 13:30) e il venerdi' 29/11 (fino alle 13:30).
Il Workshop e le relative presentazioni saranno in italiano. Le slide delle presentazioni verranno condivise nelle prossime settimane.
il programma FINALE degli interventi é disponibile qua:
INVITED SPEAKERS
INVITED SPEAKERS
EMANUELE FRONTONI - Università di Macerata & VRAI Lab
EMANUELE FRONTONI - Università di Macerata & VRAI Lab
"GenAI in GeoAI: a research Vision for the future of geospatial intelligence"
L’intervento presenta una visione di ricerca volta a esplorare l'integrazione dell'Intelligenza Artificiale Generativa (GenAI) nell'ambito della Geospatial Artificial Intelligence (GeoAI). La presentazione si concentrerà, attraverso esempi di recenti ricerche nel settore, su come la GenAI possa potenziare i processi di analisi, modellazione e supporto decisionale nell'uso di dati spaziali. Le aree più innovative includono l'automazione della generazione di dati geospaziali, il miglioramento dei modelli predittivi e la capacità di affrontare sfide complesse nel monitoraggio ambientale, nella pianificazione urbana, nella gestione dei rischi idrogeologici e ambientali. L'obiettivo è quello di discutere e riflettere sull'impatto trasformativo della GenAI sul futuro della ricerca e delle applicazioni in GeoAI.
GABRIELE FRANCH - Fondazione Bruno Kessler, Trento
GABRIELE FRANCH - Fondazione Bruno Kessler, Trento
"Big data, better forecasts: enhanced real-time weather alerting of extreme events by leveraging synergies of AI-driven nowcasting and geospatial data."
In questo intervento esploriamo l'evoluzione delle tecniche di nowcasting attraverso l'integrazione dell'intelligenza artificiale, concentrandoci in particolare sul passaggio da modelli predittivi deterministici ad approcci generativi avanzati che tengono conto dell'incertezza. Questa evoluzione può migliorare significativamente l'allerta meteo in tempo reale, in particolare per gli eventi estremi, se combinata con dati geospaziali contestuali. Il nowcasting basato sull'intelligenza artificiale offre previsioni di precipitazione ad alta risoluzione e a breve termine, mentre i dati geospaziali - come la copertura del suolo, le reti idrologiche e le infrastrutture critiche - forniscono il quadro contestuale essenziale per tradurre queste previsioni in allarmi significativi. Questa integrazione consente di creare sistemi di early warning non solo tempestivi ma anche spazialmente precisi, in grado di adattarsi alle esigenze specifiche delle aree colpite. Discuteremo di come queste sinergie contribuiscano a ridurre i falsi allarmi, a migliorare la specificità delle allerte e a ottimizzare le risposte alle emergenze, portando in ultima analisi a comunità più resilienti e a un processo decisionale più informato in caso di scenari meteorologici estremi.
Page updated
Google Sites
Report abuse