Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

Estimating the ice volume of Earth's glaciers via Artificial Intelligence and remote sensing

Description du projet

Améliorer les estimations du volume de glace des glaciers

Les glaciers sont essentiels à la vie sur Terre. Cependant, en raison du réchauffement climatique, ils perdent de la masse, ce qui rend d’autant plus importante l’amélioration des estimations de leur volume de glace. Actuellement, ces estimations sont limitées par les difficultés à mesurer directement l’épaisseur de la glace. Financé par le programme Actions Marie Skłodowska-Curie, le projet SKYNET entend développer un modèle innovant basé sur l’apprentissage profond qui permettra d’exploiter l’énorme quantité de données satellitaires disponibles pour améliorer les estimations actuelles du volume de glace de l’ensemble des glaciers de la Terre. Le projet utilisera des architectures de pointe pour la reconstruction d’images, alimentées par des modèles d’élévation numérique par satellite, entre autres méthodes.

Objectif

Estimating the ice volume of Earth's glaciers is a grand challenge of Earth System science. Besides being a critical parameter to model glacier evolution, knowledge of glacier volume is fundamental to quantify global sea level rise and available freshwater resources. Under current global warming glaciers are losing mass, making improved glacier ice volume estimates a top-priority to constrain future climate scenarios. Direct glacier ice volume estimates are limited by difficulty in directly measuring the ice thickness. As a result, estimates rely on models, many of which depend on explicit physical laws but require parameters often poorly constrained. Today, the amount of satellite data is increasing at such a rate that it cannot be efficiently exploited by traditional processing pipelines. At the same time, Artificial Intelligence techniques are becoming increasingly dominant problem-solving techniques. In particular, deep learning models have recently shown the ability to surpass human accuracy in many scientific tasks. The goal of the SKYNET project is to develop an innovative deep learning-based model capable of exploiting the huge amount of available satellite data to improve the current estimates of ice volumes of all Earths glaciers, from continental alpine glaciers to polar glaciers, including those in the periphery of Greenland and Antarctica. The proposed methodology makes use of state-of-the art image inpainting architectures fed with satellite-based digital elevation models (TanDEM-X,REMA), altimetry (NASAs ICESat-2), gravity and ice surface velocity data to infer subglacial topographies hence ice volumes. Modelled topographies will be constrained towards realistic solutions using glacier ice thickness measurements (GlaThiDa repository) from in-situ and remotely sensed observations. SKYNET will be jointly developed by two leading institutions in glaciology and remote sensing: the University of Venice and the University of California Irvine.

Mots‑clés

Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).

Programme(s)

Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.

Thème(s)

Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.

Régime de financement

Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.

HORIZON-TMA-MSCA-PF-GF - HORIZON TMA MSCA Postdoctoral Fellowships - Global Fellowships

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.

(s’ouvre dans une nouvelle fenêtre) HORIZON-MSCA-2021-PF-01

Voir tous les projets financés au titre de cet appel

Coordinateur

UNIVERSITA CA' FOSCARI VENEZIA
Contribution nette de l'UE

La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.

€ 288 859,20
Coût total

Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.

Aucune donnée

Partenaires (1)

Mon livret 0 0