本計畫研究團隊提出一創新快速淹水模式，在不需要高速電腦與平行運算等強大計算資源之條件下，結合細胞自動機(Cellular Automata)與數值地形(Digital Elevation Model, DEM)之優點，開發一命名為Hybrid Inundation Model(HIM)之快速運算淹水模式。本模式具有可即時運算、短時間內提供具有時間變化之淹水範圍，並且數值穩定等優點。本團隊已初步完成模式之開發，並採用英國最常驗證二維淹水模式正確性之EA benchmark test cases進行測試，結果顯示HIM模式結果與其他模式結果比較，已有初步參考價值。
本研究團隊結合大氣WRF模式網格預報之風速、空氣溫度、以及相對濕度，結合在地之感測器觀測資訊，並在雲端伺服器執行運算，透過社群軟體將預測資訊與對應的減災避災策略傳至使用者，建構完整之養殖魚塭寒害預警系統
本計畫研究團隊以Bayesian統計推論模型為基礎， 考慮各項因子包括淹水深度、坡度、土地利用等推估因子，發展一可快速推估建物淹水損失率(rloss)之災損推估模式。本研究中除了採用一般使用之淹水-損失方程式(depth-damge curve)， 也會將各因子以貝斯回歸(Bayesian regression)的方式進行模式建置，最後也會發展以貝斯網路(Bayesian network)之經濟損失推估模式。
本研究即針對都市降低短延時強降雨災害影響為目標，進行具有邊際運算技術能力、方便安裝，與低廉維運成本之感測器開發。在創新分散式淹水預警系統架構下，感測器可快速從點的觀測推估到面之淹水預測。本感測器具有 (1)體積小與省電、(2)可執行邊際運算淹水模式等優點。
透過不同領域的整合，探索水利工程乃至於減災避災更廣泛的應用。
