Projects per year
Project Details
Description
Layman's description
verdens befolkning ikke er tilstrækkeligt dækket af advarselssystemer, og at antallet af mennesker, der vil være i nød efter naturkatastrofer, kan stige med 50% i løbet af det næste årti. Derfor vil vi, med projektet DANSk-LSM, opbygge banebrydende ”tidlig varsling”-systemer med høj kapacitet, der kan håndtere en høj beregningsbelastning, en række forskellige satellitdata og udvikle kontinentale hydrologiske assimilative systemer med hidtil uset opløsning. For at opnå de bedste resultater, vil vi udvikle tre modeller og forskellige strategier for dataassimilering og kalibrering. For at øge nøjagtigheden af modellerne, vil der for første gang blive anvendt frit tilgængelige satellitdata om: Terrestrisk vandlagring (TWS) fra satellitgravitation, overfladebundfugt (SSM) og landoverfladetemperatur (LST) samt overfladevandændringer. Open-access produkter fra DANSk-LSM vil omfatte: Kontinentale (på 100 m og 1 km) og globale (på 5 km opløsning) tørkeindekser, oplysninger om sværhedsgraden af hydrologiske våde og tørre globale forhold og deres returperioder samt kort over hydrologiske tørke og oversvømmelsespotentialer såvel som videnskabelige værktøjer til satellit-dataassimilering og nedskalering.
Acronym | DANSk-LSM |
---|---|
Status | Active |
Effective start/end date | 01/09/2022 → 31/08/2026 |
Collaborative partners
- Technical University of Denmark
- DHI Water - Environment - Health
- Ohio State University
- UCL University College Lillebaelt
- German Aerospace Center
- University of California at Berkeley
UN Sustainable Development Goals
In 2015, UN member states agreed to 17 global Sustainable Development Goals (SDGs) to end poverty, protect the planet and ensure prosperity for all. This project contributes towards the following SDG(s):
Keywords
- Large Scale
- Hydrology
- Data Assimilation
- Early warning
- Hazards
- Forecasting
- Geodesy
- Earth Observation
- GRACE
- GRACE-FO
- Altimetry
- MODIS
- Soil Moisture
- Groundwater
Fingerprint
Projects
- 4 Active
-
SFAS: Space-based Free Flood Awareness System for Africa
Forootan, E. (PI), Schumacher, M. (CoI), Kittel, C. (CoI), Murray, A. (CoI) & Madsen, H. (CoI)
01/03/2025 → 31/07/2027
Project: Research
-
DTE Hydrology Next: Digital Twin Earth Hydrology Next
Forootan, E. (PI) & Schumacher, M. (PI)
01/10/2024 → 30/09/2026
Project: Research
-
SING: Studying the Impact of the NGGM and MAGIC missions
Forootan, E. (PI), Schumacher, M. (PI) & Yang, F. (PI)
01/09/2024 → 01/04/2026
Project: Research
-
Global Water Monitor 2024, Summary Report
van Dijk, A., Beck, H. E., Boergens, E., de Jeu, R. A. M., Dorigo, W. A., Edirisinghe, C., Forootan, E., Guo, E., Güntner, A., Hou, J., Mehrnegar, N., Mo, S., Preimesberger, W., Rahman, J. & Rozas Larraondo, P., Jan 2025, www.globalwater.online.Research output: Book/Report › Report › Research
-
HUST-CRA: A New Atmospheric De-aliasing Model for Satellite Gravimetry
ZHANG, W., Yang, F., WU, Y., LIU, H., Zhang, T., Luo, Z. & Forootan, E., Feb 2025, In: ADVANCES IN ATMOSPHERIC SCIENCES. 42, 2, p. 382–396 15 p.Research output: Contribution to journal › Journal article › Research › peer-review
-
SAGEA: A toolbox for comprehensive error assessment of GRACE and GRACE-FO based mass changes
Liu, S., Yang, F. & Forootan, E., Feb 2025, In: Computers & Geosciences.Research output: Contribution to journal › Journal article › Research › peer-review
Datasets
-
DL4TWS: Near-real-time monitoring of global terrestrial water storage anomalies and hydrological droughts
Mo, S. (Creator), Schumacher, M. (Creator), van Dijk, A. (Creator) & Forootan, E. (Creator), Github, Feb 2025
DOI: https://github.com/AAUGeodesy/DL4TWSA
Dataset
-
SaGEA Toolbox
Liu, S. (Creator), Yang, F. (Creator) & Forootan, E. (Creator), Github, Dec 2024
DOI: https://github.com/AAUGeodesy/SaGEA
Dataset
-
An efficient and accurate Python tool for uncertainty quantification of GRACE based TWS
Yang, F. (Creator) & Forootan, E. (Creator), Figshare, 9 Oct 2023
DOI: 10.6084/m9.figshare.24272485.v2, https://figshare.com/articles/software/An_efficient_and_accurate_python_tool_for_uncertainty_quantification_of_GRACE_based_TWS/24272485/2
Dataset