Natur 4.0 - Sensing Biodiversity - UM2: Fernerkundung und räumliche Vorhersage

Project staff:


Alexey Noskov

Abstract:

Ausgangsbasis

Um konsistente, raum-zeitliche Datensätze bereitzustellen, müssen die irregulär vorliegenden Sensordaten in NatNet mit flächendeckenden, fernerkundlich erfassten Geodatensätzen verbunden werden. Die Ableitung von Ökosysteminformationen aus den heterogenen Fernerkundungsdaten erfordert dabei den Einsatz leistungsfähiger, maschineller Lernverfahren. Für das Monitoring von fliegenden Insekten und Vögeln ist ferner der Einbezug von Radar- und akustischen Informationen erforderlich. Allerdings stecken insbesondere die Radarverfahren zur mobilen Insektenerfassung noch in den Kinderschuhen und müssen auf Basis miniaturisierter Sensoren weiterentwickelt werden.

Ziele

  • Operationalisierung der UAV-Prototypen für quasi-autonome, zeitlich hochaufgelöste Befliegungsprotokolle.
  • Entwicklung von Verfahren zur Ableitung der vertikalen und horizontalen Ökosystemstruktur durch kostengünstige VIS/NIR-Kameras.
  • Entwicklung von deep-learning Modellierungsstrategien zur automatischen Erkennung relevanter Zielgrößen in den Sensorfotos.
  • Aufbau und Test eines mobilen (Rover-fähigen) Insektenradars mit Bauteilen aus der Forschung zum autonomen Fahren.
  • Akustische Detektion und Erkennung von Vogelarten.
  • Entwicklung von maschinellen Lernmodellen zur skalenübergreifenden räumlichen Vorhersage von Ökosystemparametern auf Grundlage der Sensordaten und abgeleiteter Informationen.

 



Description:

 Projektwebsite: https://www.uni-marburg.de/de/fb19/natur40/projektbereiche/um2






Quick search

  • Publications:
  • Datasets: