Projektbeschreibung
KI soll die Ursachen von Waldbränden aufdecken
Das Verständnis der Ursachen der zunehmenden Waldbrände ist für ein wirksames regionales Risikomanagement unerlässlich. Die Fortschritte bei der Satellitenüberwachung liefern zwar genaue Brandkarten, lassen aber die zugrunde liegenden Ursachen nicht erkennen, sodass potenzielle Erkenntnisse weitgehend ungenutzt bleiben. Das durch die Marie-Skłodowska-Curie-Maßnahmen unterstützte Projekt ForestFireAI wird Erdbeobachtungsdaten aus verschiedenen Quellen und Zeiträumen nutzen, um KI-Algorithmen für die Einschätzung der Ursachen von Waldbränden zu entwickeln. Es wird ein Benchmark-Datensatz mit den Ursachen von Waldbränden in Europa erstellen, der als Grundlage für die Bewertung dieser Algorithmen dient. Das Projekt wird die räumliche Auflösung und zeitliche Genauigkeit durch KI-Techniken verbessern und gleichzeitig effiziente Methoden zur Identifizierung von zugrunde liegenden Faktoren, wie menschliche Aktivitäten, hohe Temperaturen, Brennstoffverfügbarkeit und Trockenheit, entwickeln.
Ziel
With the increasing frequency and intensity of forest fires, it is essential to better understand the drivers causing them. Identifying forest fire drivers offer valuable insights that can enhance our comprehension of forest fire variability and guide targeted regional risk management strategies. Recent advancements in satellite remote sensing and machine learning data processing techniques have significantly improved fire monitoring. However, while these efforts have resulted in accurate fire maps, they do not provide information about the underlying causes. Consequently, the full potential of Earth Observation data, along with advanced data processing and modelling techniques for studying the forest fire drivers, remains largely unexplored. The ForestFireAI project aims to leverage the availability of multi-source and multi-temporal Earth Observation data to propose new AI algorithms for estimating forest fire drivers. This includes creating a benchmark dataset of forest fire drivers in Europe, which will serve as a ground truth data for evaluating developed advanced AI algorithms. Moreover, the project will focus on developing AI techniques to improve the spatial resolution of data, use multi-source data and their temporal resolution, and establish efficient processing schemes for detecting forest fire drivers, such as human activities, high temperature, fuel, and dryness. To ensure the reliability, efficiency, and scalability of the developed algorithms, uncertainty-aware, explainable, and hybrid physical/data-driven techniques will be incorporated. Through this multidisciplinary approach—bringing together expertise in remote sensing, computer science, and forest ecology—ForestFireAI will take important steps toward developing the algorithms necessary for better understanding forest fire drivers. This knowledge could contribute in reducing the risk of extreme forest fires and will accelerate the advancement of Dr Benyamin Hosseiny’s research.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- Technik und TechnologieMaschinenbauFahrzeugbauLuft- und RaumfahrttechnikSatellitentechnologie
- NaturwissenschaftenBiowissenschaftenÖkologie
- Technik und TechnologieUmwelttechnikEnergie und Kraftstoffe
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Wir bitten um Entschuldigung ... während der Ausführung ist ein unerwarteter Fehler aufgetreten.
Sie müssen sich authentifizieren. Ihre Sitzung ist möglicherweise abgelaufen.
Vielen Dank für Ihr Feedback. Sie erhalten in Kürze eine E-Mail zur Übermittlungsbestätigung. Wenn Sie sich für eine Benachrichtigung über den Berichtsstatus entschieden haben, werden Sie auch im Falle einer Änderung des Berichtsstatus benachrichtigt.
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) HORIZON-MSCA-2024-PF-01
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-TMA-MSCA-PF-EF -Koordinator
EX4 4QJ Exeter
Vereinigtes Königreich