Grant: Collaborative Science, Technology and Innovation Program – Ideation Fund

The Ideation Fund is intended to encourage, test and validate transformative research ideas generated by teams of NRC scientific personnel and external collaborators with complementary capabilities, acting as a demonstration phase for a continually-evolving suite of research and development (R&D) deliverables at the NRC. The fund supports exploratory research through two mechanisms: the New Beginnings Initiative and the Small Teams Initiative.

Le Fonds d’idéation vise à encourager, à mettre à l’essai et à valider les idées de recherche transformatrice des équipes scientifiques du CNRC et des collaborateurs externes dotés de capacités complémentaires. Il servira ainsi de plateforme de démonstration d’une série de produits livrables en matière de recherche-développement (R-D) en constante évolution au CNRC. Le Fonds appuie la recherche exploratoire au moyen de deux mécanismes : l’Initiative « Nouveaux débuts » et l’Initiative « Petites équipes ».

Canadian urban centres are at increased risk of flash flooding due to heavy precipitation events, which are expected to intensify in the future. In this study, a physically consistent super-resolution flash flood emulator, based on hybrid deep learning frameworks, will be developed to evaluate climate-resilience of major urban centres.

There is mounting evidence that the magnitude and frequency of flash floods are expected to increase due to an increased likelihood of heavy precipitation events in a future warmer climate. To develop future projections of such events, transient climate change simulations from both Global and Regional Climate Models (i.e. GCMs and RCMs) are routinely used. While GCMs are constrained by their coarse spatial resolution, RCMs are computationally very expensive for generating super-resolution (~ 250 m and finer) simulations, which are required to understand flash flooding dynamics in urban areas. In this study, a physically consistent super-resolution emulator based on deep learning frameworks will be developed to generate super-resolution information of heavy precipitation events from coarser resolution simulations for future flood hazard assessment, for selected urban regions.

Les évidences se multiplient pour montrer que l’ampleur et la fréquence des crues soudaines devraient augmenter en raison de la probabilité accrue de fortes précipitations dans un climat plus chaud. Pour réaliser des projections de ces évènements, on utilise régulièrement des simulations de changements climatiques transitoires à partir de modèles climatiques mondiaux et régionaux (c’est-à-dire des MCM et des MCR). Les MCM sont limités par leur résolution spatiale grossière, mais les calculs à l’aide des MCR pour obtenir la résolution fine nécessaire (≥ 250 m) à la reproduction de la dynamique des crues éclairs en zone urbaine reviennent très chers. Dans le cadre de cette étude, un modèle à haute résolution conforme aux lois de la physique et basé sur l’apprentissage profond sera développé pour produire, à partir de simulations à basse résolution, une description à haute résolution d’évènements mettant en jeu des précipitations intenses dans le cadre de l’évaluation des risques d’inondation dans plusieurs zones urbaines sélectionnées.

In the short term, anticipated outcomes will be strengthened collaborations across industry, academia, and government to support research excellence. In the medium term, anticipated outcomes will be the development of new and potentially disruptive technologies with collaborators. In the long term, find collaborative solutions to public policy challenges and create stronger innovation systems.

À court terme, les résultats prévus seront des collaborations renforcées entre l'industrie, le milieu universitaire et le gouvernement pour soutenir l'excellence en recherche. À moyen terme, les résultats attendus seront le développement de nouvelles technologies potentiellement perturbatrices avec des collaborateurs. À long terme, trouver des solutions collaboratives aux défis des politiques publiques et créer des systèmes d'innovation plus solides.