Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives

University of Waterloo

$213,840.00

Medium range sea ice presence forecasting using AI approach

EF 2020-21 · 2020-09-02

Résumé
Accurate and timely forecasts of sea ice conditions are crucial for safe shipping operations in the Canadian Arctic and other ice-infested waters. Sea-ice forecasts can be obtained through an optimal combination of sea-ice model output and observational data, in a manner similar to weather forecasting. However, these forecasting systems rely on accurate weather forecasting data to drive the sea-ice model, which is not available at high spatial resolution during the advance tactical planning stage. For this reason, seasonal sea ice forecasts are often obtained through statistical means. This Project will build on a prototype system that uses advanced artificial intelligence (AI) methods to provide state-of-the-art seasonal forecasts of sea ice conditions in the Canadian Arctic. Novel developments in AI will be incorporated into the prototype for enhanced accuracy of sea ice forecasts. The prototype will be evaluated through extensive comparison with independent data and case studies based on community needs. It is anticipated these sea ice forecasts will significantly reduce costs incurred by delayed operations in annual resupply of northern communities. The final system will be delivered to the Government of Northwest Territories and its Marine Transport Services group.
Programme
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Emplacement
Waterloo|Waterloo, Ontario, Canada
Type de bénéficiaire
Academia
Numéro d'entreprise
119260685
Type
Grant
Source
Proactive Disclosure - Grants and Contributions

Modifications

Chaque version de l'entente telle que publiée, de la plus ancienne à la plus récente, avec son total à cette version. Le montant ci-dessus est le plus récent.

ModificationDateExercice financierTotal
02020-09-022020-21$213,840.00
12020-09-022020-21$213,840.00
22020-09-022020-21$213,840.00

Tel que publié

Additional Information
This agreement has been amended 2 time(s). The end date of this agreement has been modified by 274 days.
Additional Information (French)
Cet accord a été modifié 2 fois. La date de fin du présent accord a été changé de 274 jours.
Agreement End Date
2024-12-31
Agreement Number
956516
Agreement Start Date
2020-09-02
Agreement Title
Medium range sea ice presence forecasting using AI approach
Agreement Title (French)
Prévision de la présence de glace de mer à moyen terme à l’aide d’une approche basée sur l’IA
Agreement Type
Grant
Agreement Value
$213,840.00
Amendment Date
2023-12-07
Amendment Number
2
Description
Accurate and timely forecasts of sea ice conditions are crucial for safe shipping operations in the Canadian Arctic and other ice-infested waters. Sea-ice forecasts can be obtained through an optimal combination of sea-ice model output and observational data, in a manner similar to weather forecasting. However, these forecasting systems rely on accurate weather forecasting data to drive the sea-ice model, which is not available at high spatial resolution during the advance tactical planning stage. For this reason, seasonal sea ice forecasts are often obtained through statistical means. This Project will build on a prototype system that uses advanced artificial intelligence (AI) methods to provide state-of-the-art seasonal forecasts of sea ice conditions in the Canadian Arctic. Novel developments in AI will be incorporated into the prototype for enhanced accuracy of sea ice forecasts. The prototype will be evaluated through extensive comparison with independent data and case studies based on community needs. It is anticipated these sea ice forecasts will significantly reduce costs incurred by delayed operations in annual resupply of northern communities. The final system will be delivered to the Government of Northwest Territories and its Marine Transport Services group.
Description (French)
La prévision précise et opportune de l’état de la glace de mer est un élément crucial de la sécurité des transports maritimes dans l’Arctique canadien et d’autres eaux susceptibles d’être englacées. Cette prévision peut s’effectuer en combinant de manière optimale simulations numériques et données d’observation, comme pour les prévisions météorologiques. Une telle approche dépend cependant de la précision des prévisions météorologiques qui alimentent le modèle pour simuler la formation de la glace de mer. Or ces dernières ne sont pas disponibles à haute résolution spatiale durant la phase de planification tactique. C’est pourquoi les prévisions sur l’évolution saisonnière de l’état de la glace de mer sont souvent obtenues de manière statistique. Le présent projet tirera parti d’un système prototype qui utilise des protocoles avancés de traitement par l’intelligence artificielle (IA) pour obtenir des prévisions saisonnières à la fine pointe de la technologie concernant l’état de la glace de mer dans l’Arctique canadien. De nouvelles avancées réalisées en IA seront incorporées au prototype afin d’améliorer la précision des prévisions de l’état de la glace de mer. Le prototype sera évalué en effectuant des comparaisons à grande échelle des prévisions obtenues avec les données de terrain indépendantes ou en effectuant des études de cas en fonction des besoins des communautés. Nous prévoyons que ces prévisions de l’état de la glace de mer permettront de réduire de manière considérable les coûts associés aux retards dans l’approvisionnement annuel des communautés septentrionales. Le système final sera livré au gouvernement des Territoires Du Nord-Ouest et à son groupe chargé des Services de transport maritime.
Expected Results
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.
Expected Results (French)
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.
Federal Riding
Waterloo
Federal Riding (French)
Waterloo
Federal Riding Number
35112
NAICS Code
541710
Organization Code
nrc-cnrc
Organization
National Research Council Canada | Conseil national de recherches Canada
Program Name
Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives
Program Name (French)
Programme de collaboration en science, en technologie et en innovation - Initiatives de collaboration en R-D
Program Purpose
Collaborate on multiparty research and development programs to catalyze transformative, high-risk, high-reward research with the potential for game-changing scientific discoveries and technological breakthroughs in priority areas.
Program Purpose (French)
Collaborer à des programmes multipartites de recherche-développement dans le but de profiter de la synergie entre la recherche transformatrice à haut risque et à haut rendement et le potentiel de découvertes scientifiques et de percées technologiques révolutionnaires dans des secteurs d’intervention prioritaires.
Recipient Business Number
119260685
Recipient City
Waterloo|Waterloo
Recipient Country
CA
Recipient Legal Name
University of Waterloo
Recipient Postal Code
N2L 3G1
Recipient Province or Territory
ON
Recipient Type
S
Reference Number
172-2020-2021-Q2-956516