Descripción del proyecto
Mejores modelos para interpretar datos de observación de la Tierra
El proyecto financiado con fondos europeos GEM abordará el reto de la observación continua de grandes superficies de la Tierra a escala regional y mundial con una metodología sostenible y rentable. Su objetivo es desarrollar un modelo innovador para analizar datos de observación de la Tierra que debería mejorar notablemente el aprovechamiento de los datos de Copernicus. En el proyecto se desarrollará aún más un concepto patentado de cubos de datos ajustables, una combinación de cubos de datos estáticos y dinámicos impulsado por Sentinel Hub, y los integrará con datos de observación de la Tierra del marco de aprendizaje automático de código abierto de eo-learn. Se combinarán técnicas modernas de aprendizaje automático para construir modelos de interpretación globales e independientes de la escala centrados en la causalidad y la detección de cambios.
Objetivo
Global Earth Monitor project (GEM) is addressing the challenge of continuous monitoring of large areas in a sustainable cost effective way. The goal of the project is to establish a new disruptive Earth Observation (EO) DATA-EXPLOITATION MODEL which will dramatically enhance the exploitation of Copernicus data. For the first time a continuous monitoring of the planet on the global/regional scale will be enabled for a sustainable price.
Disruptive innovations are planned in the technology and in the methodology domain, where a proprietary concept of Adjustable Data Cubes (a combination of static and dynamic data cubes) will be developed and integrated with EO-oriented open source Machine Learning (ML) framework EO-LEARN. During the project EO-LEARN will be upgraded to consume ML technologies from widely accepted ML frameworks and to adapt/evolve them to specifics of EO-data interpretation. Modern ML technologies and approaches (GAN, RNN, LSTM, Attention & Bayesian Deep Learning, Curriculum Learning, Incremental learning, Meta-learning, Hybrid modelling) will be combined to construct GLOBAL, SCALE-INDEPENDENT interpretation models with the special focus on CAUSALITY and CHANGE DETECTION.
Technological and Methodological innovations will be combined into a unique CONTINUOUS MONITORING PROCESS. The process, based on seamless combination of data interpreted with sub-resolution, native resolution and super-resolution methods, will deliver optimal combination of Processing/Storage costs – enabling continuous monitoring of large areas for just a FRACTION OF CURRENT COSTS.
The concept of continuous monitoring will be validated through the development of five specific use-cases and through their employment in a 10-month demonstration - operational continuous monitoring of 10 MIO square km area.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesciencias físicasópticamicroscopíamicroscopía de superresolución
- ciencias naturalesciencias físicasastronomíaciencias planetariasplanetas
- ciencias socialeseconomía y empresagestión y empresasempleo
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
Convocatoria de propuestas
Consulte otros proyectos de esta convocatoriaConvocatoria de subcontratación
H2020-SPACE-2020
Régimen de financiación
RIA - Research and Innovation actionCoordinador
1000 Ljubljana
Eslovenia