Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Global Earth Monitor

Opis projektu

Lepsze modele do interpretacji danych z obserwacji Ziemi

Zespół finansowanego ze środków Unii Europejskiej projektu GEM zamierza zająć się zagadnieniem ciągłego monitorowania dużych obszarów Ziemi w skali regionalnej i globalnej, skupiając się na obniżaniu kosztów i nakładów pracy. Celem jest stworzenie nowego i przełomowego modelu danych z obserwacji Ziemi, który pozwoli na znaczące zwiększenie możliwości wykorzystania danych z programu Copernicus. W ramach projektu zostanie opracowana koncepcja regulowanych kostek danych, będąca połączeniem statycznych i dynamicznych kostek danych generowanych dzięki API Sentinel Hub. Następnie badacze połączą je z danymi z obserwacji Ziemi za pomocą otwartoźródłowego oprogramowania eo-learn wykorzystującego algorytmy uczenia maszynowego. Połączenie nowoczesnych technik uczenia maszynowego zaowocuje powstaniem globalnych modeli interpretacyjnych działających w wielu skalach, skupiających się na związkach przyczynowo-skutkowych oraz wykrywaniu zmian.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

RIA - Research and Innovation action

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) H2020-SPACE-2018-2020

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

SINERGISE SOLUTIONS, LABORATORIJ ZAGEOGRAFSKE INFORMACIJSKE SISTEME,DOO
Wkład UE netto
€ 0,00
Adres
CVETKOVA ULICA 29
1000 Ljubljana
Słowenia
Region
Slovenija Zahodna Slovenija Osrednjeslovenska
Rodzaj działalności
Private for-profit entities (excluding Higher or Secondary Education Establishments)
Linki
Koszt całkowity
Brak danych

Uczestnicy (8)