得益于佛罗里达理工大学教授的最新研究，了解洪水后各地区受到的影响可能会有所改善。

机械和土木工程助理教授Efthymios Nikolopoulos正在研究一个由国家海洋与大气管理局(NOAA)资助的项目，该项目涉及使用卫星遥感技术绘制洪水 泛滥图。它涉及基于卫星的传感器，这些传感器可识别淹没区域，并通过博士后研究人员伊曼纽尔·斯托里(Emanuel Storey)分析的小型商业卫星的高分辨率光学图像，通过可用的野外观测和高分辨率光学图像对经过淹没的区域进行了算法验证。

目前，该小组正在研究以前的洪水事件，例如2020年飓风萨利期间在阿拉巴马州和佛罗里达州Perd​​ido河发生的洪水，以及3月29日在纳什维尔发生的山洪暴发，造成六人丧生和数十户房屋和企业被摧毁。

最初的发现仍在确定中，但研究小组已经开发出算法原型，用于改善植被冠层下的洪水淹没估计。但是，仍然存在挑战，例如影响基于卫星的传感器的云覆盖。该团队计划通过查看不受云阻塞影响的其他可用传感器来解决此问题。Nikolopoulos说，该计划将在今年晚些时候实施。

基于卫星的洪水淹没图将使研究人员能够更好地了解洪水对地区的影响，并且可以更好地了解易发生洪水的地区，这可能会对诸如NOAA和国家气象局这样的气象机构产生影响。以及建筑业。

Nikolopoulos说：“告诉我，给定的河流每秒将有1000立方英尺的流量，这是一回事，告诉你这条河的距离将淹没一米，这是另一回事。” “从一个到另一个的转换并不像听起来那样简单。我们需要模型，并且这些模型有错误，因此我们通过遥感观测来协助开发这些模型。”

跨学科的项目对尼古洛普洛斯很满意。这项研究提供了一个科学的机会，可以通过遥感更好地了解洪水泛滥的动态，同时还可以通过创建一个即时应用程序和他的工程背景进行交流，从而使当地官员能够立即做出响应。

将来，尼古洛普洛斯(Nikolopoulos)希望改进当前用于洪水泛滥估计的算法，并更好地了解卫星在拾取数据方面的最佳性能。借助机器学习和人工智能，Nikolopoulos还看到洪水泛滥估计研究在全球范围内得到了改善。

他说：“我真的很期待看到我们能从这些传感器中得到多少，我对此非常乐观。” “我认为这只是一个非常有前途的研究和整体工作的开始。”