Campi di interesse: Previsioni meteorologiche, intelligenza artificiale, gestione delle risorse idriche; scienze ambientali/ingegneria; gestione del rischio di alluvioni; cambiamenti climatici; telerilevamento; apprendimento automatico.
Formazione:
- Laurea magistrale in Ingegneria Ambientale (2021), Università di Bologna, Bologna, Italia; Titolo della tesi: Caratterizzazione geomorfologica della pericolosità da inondazione fluviale nell'isola di Oahu, Hawaii; relatore: Professor Attilio Castellarin
- Dottorato di ricerca in Ingegneria idraulica e ambientale (in corso), Sapienza Università di Roma, Roma, Italia; Titolo della ricerca: Progettazione di un sistema di allerta precoce per la previsione di condizioni climatiche estreme utilizzando approcci data-driven con metodi di Machine-Learning e Deep-Learning; Supervisore: Professor Francesco Cioffi
Ricerca per la tesi di laurea magistrale: Durante la mia ricerca di master, la caratterizzazione geomorfologica dei rischi di inondazione fluviale è stata effettuata utilizzando modelli di apprendimento automatico nell'ambito del progetto SaferPLACES, che integra modelli climatici, idrologici, idraulici, topografici ed economici per identificare i rischi di inondazione in ambienti pluviali, fluviali e costieri. La mappatura del rischio di alluvione è stata prodotta su vaste aree geografiche applicando modelli digitali di elevazione (DEM). I miglioramenti sono stati studiati accoppiando due algoritmi distinti, Safer_RIVER e Safer_RAIN, per analizzare le alluvioni fluviali e pluviali all'interno dell'area di studio. L'accuratezza dei risultati è stata valutata su vari modelli e scenari per garantire valutazioni solide della pericolosità da alluvione.
Ricerca di dottorato: Durante la mia ricerca di dottorato è stato sviluppato un sistema avanzato di allerta precoce, integrando il modello E-TEPS, che utilizza una Super-Resolution Generative Adversarial Network per migliorare il downscaling climatico per la temperatura e le precipitazioni con i dati altimetrici, e il modello di previsione globale FourCastNet. L'accuratezza e la risoluzione spaziale delle previsioni climatiche ad alta risoluzione sono state significativamente migliorate, consentendo previsioni rapide e precise di eventi meteorologici estremi in Italia. Questo sistema supporta un processo decisionale più efficace in materia di clima e la preparazione alle catastrofi, fornendo informazioni tempestive e dettagliate sulle variabili climatiche critiche.
- IDRA24, Parma, Italy
Title of the Presentation: Developing an Early-Warning System for Predicting Extreme Climate Conditions Using Data-Driven Machine Learning and Deep Learning Techniques
- EGU2024, Vienna, Austria
Title of the Presentation: Designing an Early-Warning System to Forecast Extreme Climate Conditions Using Data-Driven Approaches with Machine-Learning and Deep-Learning Methods
- PhD Days 2023, Matera, Italy
Title of the Presentation: Introducing an Enhanced Early-Warning System Focused on Downscaling Models Using Deep Learning Methods
- AGU2024, Washington DC, USA
Title of the Presentation: Enhancing Early-Warning Systems for Climate Extremes in Developing Countries Using Machine Learning Models and High-Resolution Datasets (Abstract accepted, presentation scheduled for December 2024)
Computer Skills:
- Software: LaTeX, QGIS, AQUASIM, AUTOCAD, WordPress, SWMM, EPANET, Adobe Perimeter Pro, Microsoft Office
- Cloud Computing: Google Cloud Platform (GCP), Google Colab
- Programming Language: Python
Language Skills:
- English (Fluent): IELTS 7.5
- Azerbaijani (Mother Tongue)
- Farsi (Fluent)
- Turkish (Fluent)
- Arabic (Basic)