Descrizione del progetto
Approcci intelligenti per rendere più efficace la protezione delle foreste
Le foreste svolgono un ruolo importante nello stabilizzare il clima della Terra, ma i cambiamenti climatici e la deforestazione minacciano questo equilibrio. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto DeepForMaP si propone di utilizzare i dati 3D della mappatura LiDAR per seguire il cambiamento delle foreste nel tempo, nel tentativo di comprenderle e proteggerle meglio. Tuttavia, l’elaborazione di questi vasti dati è impegnativa. Questa iniziativa svilupperà tecniche di apprendimento profondo, utilizzando alcuni strumenti per identificare modelli significativi. Poiché l’etichettatura di questi dati è difficile, DeepForMaP utilizzerà tecniche intelligenti (apprendimento auto-supervisionato e zero-shot) che insegnano ai programmi a lavorare con meno dati etichettati. Questi approcci permetteranno ai ricercatori di creare modelli efficienti in grado di classificare le foreste e rilevare i cambiamenti.
Obiettivo
Over the last decade, the Earth has witnessed significant climate change and global warming, largely as consequences of rapid industrial development. To combat this, the management and preservation of forests have become increasingly essential, given their homeostatic role in regulating the global climate. Point clouds (PCs) obtained from LiDAR mapping offer vast amounts of data, which have proven invaluable for forest mapping. In our research, DeepForMaP, we leverage PC data and utilise advanced deep learning techniques to monitor forest patterns across both space and time. One of the primary challenges in processing PC data arises from its unstructured nature. To address this, we employ recent feature extractors such as Mamba and Kolmogorov Arnold Networks (KANs) to process the data, extracting meaningful and discriminative representations that result in more accurate classification and detection. Furthermore, given the high point density of PCs (often in billions), data annotation is limited. To overcome this, we employ self-supervised learning and zero-shot learning techniques. The former capitalises on the inherent structure of PCs to design specific tasks that train feature extractors, while the latter leverages semantic information from the corresponding PC descriptions to manage data scarcity. Our trained models are applied to classification and change detection tasks, and we also evaluate their performance in cross-domain settings, where training and testing occur in geographically disjointed areas. This project is expected to result in efficient deep learning models, deployable in practical forest mapping scenarios. DeepForMaP will be hosted at IRISA laboratory at Université Bretagne Sud Vannes under the esteemed supervision of Prof. Sébastien Lefèvre and Dr. Minh-Tan Pham. This will offer the candidate invaluable exposure to cutting edge scientific development in earth observation and and equip him to become an independent researcher in the future.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
La classificazione di questo progetto è stata convalidata da un essere umano.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.
La classificazione di questo progetto è stata convalidata da un essere umano.
Parole chiave
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).
Programma(i)
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.
-
HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA)
PROGRAMMA PRINCIPALE
Vedi tutti i progetti finanziati nell’ambito di questo programma
Argomento(i)
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.
Meccanismo di finanziamento
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships
Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento
Invito a presentare proposte
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.
(si apre in una nuova finestra) HORIZON-MSCA-2024-PF-01
Vedi tutti i progetti finanziati nell’ambito del bandoCoordinatore
Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.
56100 Lorient
Francia
I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.