Projektbeschreibung
Integration räumlicher Muster in ökologisches maschinelles Lernen
In der ökologischen Forschung ist die Erstellung präziser räumlicher Karten kritischer Variablen wie der biologischen Vielfalt und des Klimas unerlässlich. Aktuelle Methoden des maschinellen Lernens, wie z. B. Random Forest (Zufallswald), sind zwar effektiv, erfassen jedoch häufig die komplizierten räumlichen Muster nicht, die ökologischen Prozessen innewohnen. Diese Einschränkung behindert das Verständnis komplexer Ökosysteme und beeinträchtigt die Genauigkeit der Vorhersagen. Im über die Marie-Skłodowska-Curie-Maßnahmen unterstützten Projekt PRISM wird dieses Problem angegangen, indem räumliche Muster in Modelle maschinellen Lernens integriert und validiert werden. PRISM stützt sich auf Geographie, Ökologie und Informatik und verfolgt einen Ansatz offener Wissenschaft, um die Ergebnisse weit zu verbreiten. Es fördert die Zusammenarbeit zwischen Forschung und Institutionen und bereichert die Kompetenzen und Methoden. Letztendlich verspricht PRISM die ökologische Forschung zu verbessern, indem es genauere Vorhersagen und tiefere Einblicke in räumliche Muster ermöglicht.
Ziel
Ecological research necessitates the production of spatial maps representing an array of critical variables such as biodiversity, climate, land cover, and soil carbon storage. While current machine learning methods, such as the well-known random forest (RF), have been effective in generating maps for these variables, they often overlook the intricate spatial patterns inherent in ecological processes. The PRISM project seeks to introduce a novel approach that addresses this limitation by integrating and validating spatial patterns within machine learning models. The project will draw upon insights from various fields, including geography, landscape ecology, statistics, and computer science. To ensure the widespread dissemination and accessibility of its findings, PRISM will adopt a comprehensive open science approach, including manuscript publications, the development of open-source software, and the sharing of repositories containing data and code, enabling others to reproduce and build upon the project's results. Through this project, an exchange of knowledge is anticipated between the researcher and the host institution, fostering a collaborative partnership. Under the supervisor's mentorship, the researcher will acquire essential skills in group organization, grant preparation, and research leadership. The researcher will enrich the host institution by creating innovative methods for spatial data analysis, implementing impactful teaching methodologies, and sharing the principles of open science. Ultimately, the PRISM project is poised to fuel the researcher's interdisciplinary growth, positioning him as a valuable asset in both academia and industry. The project's outcomes have the potential to improve how ecological research is conducted, leading to more accurate predictions and a deeper understanding of complex spatial patterns in ecological systems.
Wissenschaftliches Gebiet
- natural sciencescomputer and information sciencesdata science
- natural sciencesbiological sciencesecologylandscape ecology
- natural sciencesearth and related environmental sciencessoil sciencesland-based treatment
- natural sciencesbiological sciencesecologyecosystems
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordinator
48149 MUENSTER
Deutschland