GEO.INFORMED (EVINBO)

Drone (foto Yves Adams - Vildaphoto)
Details
Het GEO.INFORMED project zal generieke deep learning algoritmes ontwikkelen, aangepast aan de eigenschappen van aardobservatiedata. Calibratie en validatie is een onmisbaar onderdeel van deep learning. We zullen generieke cal/val procedures ontwikkelen, met duidelijke richtlijnen voor het ontwerpen van de steekproefopzet voor in-situ data en voor het hergebruik van bestaande data. De noden van de eindgebruikers zijn de drijvende kracht achter het ontwikkelen van geo-indicatoren voor het omgevingsbeleid. In dit project worden de geo-indicatoren geselecteerd en hun ontwikkeling opgevolgd d.m.v. een co-design procedure. Er zijn tot op vandaag weinig voorbeelden van co-design waarbij beleidsmakers de eindgebruikers zijn. Het GEO.INFORMED project zal dus een testcase zijn voor het inzetten van co-design in het spanningsveld tussen wetenschap en beleid. Specifieke workflows voor de geselecteerde geo-indicatoren zullen aan het eind van het project samengesteld worden.
Status | In uitvoering |
---|---|
Effectieve start/einddatum | 01/10/2020 - 31/12/2025 |
Teams
- Natuur & Maatschappij
- Biometrie, methodologie en kwaliteitszorg
- Biotoopdiversiteit
- Faunabeheer en invasieve soorten
INBO Onderzoeksdomein(en)
- Beschermde natuur
- Water
- Bodem & lucht
- Bos
- Faunabeheer
- Klimaat
- Invasieve soorten
- Natuur & maatschappij
- Landbouw
Tags
- vegetatie
- EVINBO
- remote-sensing
- omgevingsdrukken
- waterkwaliteit
- monitoring
- evinbo
Deelnemers
Stien HeremansThierry Onkelinx
Francis Turkelboom
Julie Callebaut
Jim Casaer
Anneleen Rutten
Lynn Pallemaerts
1 - 6 van 8 resultaten
Temporal Transferability of Tree Species Classification in Temperate Forests with Sentinel-2 Time Series
In: Remote Sensing , Vol. 16, Nr. 14
20.07.2024
A1: Web of Science-artikel
Biological valuation map of Flanders. a sentinel-2 imagery analysis
Poster
Winter crop monitoring with "temporally-aware" machine learning and deep learning methods
Paper/Powerpoint/Abstract
Towards unlocking the potential of freely available Copernicus data for environmental monitoring through spatio-(spectro-)temporal deep learning
Poster
Remote sensing and deep learning for environmental policy support. from theory to practice
Paper/Powerpoint/Abstract
Data Management Plan GEO.INFORMED
Data Management Plannen