Loading...
Projekti / Programi vir: ARRS

Opazovanje suše v visoki ločljivosti z modeliranjem talnih in satelitskih podatkov

Raziskovalna dejavnost

Koda Veda Področje Podpodročje
6.12.00  Humanistika  Geografija   

Koda Veda Področje
T181  Tehnološke vede  Daljinsko zaznavanje 

Koda Veda Področje
5.07  Družbene vede  Ekonomska in družbena geografija 
Ključne besede
daljinsko zaznavanje, suša, podatkovne časovne vrste, satelitski posnetki, strojno učenje
Vrednotenje (pravilnik)
vir: COBISS
Raziskovalci (9)
št. Evidenčna št. Ime in priimek Razisk. področje Vloga Obdobje Štev. publikacij
1.  53350  dr. Nejc Čož  Geodezija  Raziskovalec  2020 - 2022  16 
2.  38086  Aleš Grlj  Geografija  Raziskovalec  2019 - 2022  36 
3.  33600  dr. Urška Kanjir  Geodezija  Raziskovalec  2018 - 2022  81 
4.  25640  dr. Žiga Kokalj  Geografija  Vodja projekta/programa  2018 - 2022  346 
5.  25040  Peter Pehani    Tehnični sodelavec  2018 - 2022  96 
6.  36950  Maja Somrak  Računalništvo in informatika  Raziskovalec  2018 - 2022  24 
7.  50575  Liza Stančič  Geografija  Mladi raziskovalec  2018 - 2022  33 
8.  20005  dr. Tatjana Veljanovski  Geodezija  Raziskovalec  2018 - 2022  153 
9.  52249  Petra Vovk    Tehnični sodelavec  2019 - 2020 
Organizacije (1)
št. Evidenčna št. Razisk. organizacija Kraj Matična številka Štev. publikacij
1.  0618  Znanstvenoraziskovalni center Slovenske akademije znanosti in umetnosti  Ljubljana   5105498000  58.577 
Povzetek
Suše se pojavljajo vse pogosteje; Slovenijo so samo v zadnjem desetletju prizadele tri katastrofalnih razsežnosti in dve regionalni. Suše pogosto prinašajo hude gospodarske, socialne in okoljske posledice, saj ne prizadenejo zgolj kmetijstva, temveč pogosto tudi področja energetike, turizma, oskrbe z vodo in vodnega prometa. Predlagani projekt se zato osredotoča na razvoj inovativnega modela za visokoločljivo zaznavanje kmetijske suše na podlagi prosto dostopnih satelitskih posnetkov, talnih meteoroloških in hidroloških meritev ter vseh razpoložljivih pomožnih podatkov o zgodovinskih sušah, tipih poljščin in značilnostih tal. Model bo razvit na osnovi globokih nevronskih mrež. Slovenija je odlično testno območje za izdelavo tovrstnega modela, saj jo označujejo razgiban relief, mešanica podnebnih tipov, razdrobljena raba tal ter cel spekter načinov obdelovanja in uporabe prostora, ki otežujejo natančno oceno suše. Država ima odprto politiko dostopa do številnih meteoroloških in hidroloških podatkov, ki jih bomo – poleg satelitskih posnetkov – s pridom uporabili v metodah učenja z globokimi nevronskimi mrežami. Rezultati bodo uporabni na državni ravni, kar bo omogočilo njihovo izkoriščanje pri celovitem upravljanju s sušo. Zastavili smo si naslednje cilje: določiti in analizirati najprimernejše in najstabilnejše indikatorje suše za območje Slovenije, ki temeljijo na optičnih satelitskih posnetkih; razviti metodo za združevanje satelitskih podatkov in talnih meritev temelječo na globokih nevronskih mrežah za natančno določanje suše (skupna natančnost vsaj 90 %) z visoko ločljivostjo (za posamezne grafične enote kmetijske rabe zemljišč); razviti prototipni sistem za celovito karakterizacijo suše kmetijskih območij na državni ravni. To bomo dosegli s preučevanjem, vrednotenjem in izboljšanjem tehnik obdelave satelitskih podatkov, združevanjem posnetkov nizke in visoke ločljivosti (zgoščevanjem podatkov), združevanjem posnetkov in terenskih meritev, ter označevanjem prizadetih območij z uporabo algoritmov učenja z globokimi nevronskimi mrežami za iskanje statistično relevantnih spremenljivk. V posebnem delovnem paketu bomo definirali in ovrednotili celoten postopek tudi v luči uporabnosti v operativnem okolju. Glede na obstoječe metode zaznavanja suše, ki delujejo v domeni srednje in nizke prostorske ločljivosti, gre izvirnost pričakovati v prehodu na visoko ločljivost. V nasprotju z obstoječimi sistemi, ki uporabljajo posnetke starejših satelitov, bomo uporabili posnete satelitov Sentinel, ki sodijo v najnovejšo generacijo satelitov. Prosto dostopne satelitske podatke bomo v modelu integrirali s prosto dostopnimi talnimi meritvami na državni ravni, pri čemer bo model temeljil na prilagoditvi najmodernejših tehnik strojnega učenja. Če bodo rezultati projekta uspešno doseženi, bodo natančni in hitro dostopni podatki o kmetijski suši (njeni razširjenosti, trajanju in intenzivnosti) pripomogli k delu upravljavcev z okoljskimi dobrinami, uslužbencev na področju varstva pred naravnimi nesrečami, odločevalcev, znanstvenikov, ki proučujejo vplive na krajevne ekosisteme, kot tudi posameznih kmetov.
Pomen za razvoj znanosti
Prototip, razvit v okviru predlaganega projekta, bo omogočil detajlno zaznavanje suše in s tem uvedbo boljših ukrepov za blažitev njenih posledic v Sloveniji na regionalni in krajevni ravni. Predpostavljamo, da bo razvito metodo z manjšimi spremembami mogoče uporabiti za katerokoli podobno območje sveta (velika pokrajinska raznolikost, zmerna zemljepisna širina). Za območja drugačnih pokrajinskih tipov pa je pričakovan večji obseg sprememb metod. Projekt bo zagotovil ekspertno podporo in možno nadgradnjo postopkov v Sušnem centru DMCSEE, ki ima sedež v Sloveniji. Raziskave se neposredno povezujejo tudi z aktivnostmi projekta Desert Watch pod okriljem Evropske vesoljske agencije. V širšem smislu bo projekt podpiral tudi Konvencijo Združenih narodov za boj proti suši z dolgoročnimi integriranimi strategijami, ki se na prizadetih območjih osredotočajo za izboljšanje rodovitnosti zemljišč ter na rehabilitacijo, zaščito in trajnostno upravljanje z zemljišči in vodnimi viri, kar vodi k izboljšanim življenjskim razmeram, zlasti na krajevni ravni. Izvirnost pričakovanih rezultatov se kaže v naslednjih točkah: boljša prostorska ločljivost – izkoriščanje visoke ločljivosti satelitskih podatkov za visoko ločljivo zaznavanje suše, preskok na novo generacijo satelitov, tako zaradi boljše ločljivosti kot zaradi daljšega roka delovanja, integracija s talnimi meritvami – združevanje prosto dostopnih meritev meteoroloških in hidroloških postaj s prosto dostopnimi satelitskimi podatki na državni ravni, uporaba naprednih tehnik strojnega učenja. Sentinel-2 ima precej boljšo ločljivost, kot jo trenutno uporabljajo uveljavljeni mednarodni ali svetovni centri za spremljanje suše. Uporaba visokoločljivih podatkov ter njihovo združevanje in usklajevanje z dolgoročnimi arhivskimi podatki nizke ločljivosti pomeni novo razsežnost tovrstnih servisov ter ustvarja podlago za nove standarde na tem področju. Izboljšanje obstoječih tehnik obdelave satelitskih posnetkov ter uporaba naprednih metod strojnega učenja bosta prispevali k večji doslednosti pri opredeljevanju meja sušnih dogodkov in količinske opredelitve njihovih lastnosti.
Pomen za razvoj Slovenije
The project will provide a prototype solution that will enable detailed drought observation and mitigation actions in Slovenia on a local and regional scale. However, we believe that the methodology will be applicable to all similar areas of the world (large landscape diversity, moderate latitudes) with minor modifications. For dissimilar areas, the range of required modifications is expected to be larger. The project will provide support and expert advancement for the “network” mechanism of the Drought Management Centre for South-eastern Europe, hosted by the Slovenian Environment Agency. In a broader scope, the project will be able to support the United Nations Convention to Combat Desertification with long-term integrated strategies that focus simultaneously, in affected areas, on improved fertility of land, and the rehabilitation, conservation and sustainable management of land and water resources, leading to improved living conditions, in particular at the community level. The originality of the expected results is in: better spatial resolution of results – full exploitation of high-resolution satellite data for drought detection at a local level, switch to newly available sensors both due to better resolution as well as for continuity, full integration of in-situ data – fusion of freely available automatic local ground measurements with freely available satellite imagery on a national scale, use of deep learning techniques. The Sentinel-2 data has a much better resolution that is nowadays used in established continental and (inter)national drought monitoring services therefore using high-resolution data and merging them with long-term archives of available low-resolution data will propose new dimensionality of such services and establish a foundation for new standards in the field. The results will also enable (semi)automatic determination of the boundaries of the drought and will provide a greater consistency of data on drought and its quantitative characterization.
Najpomembnejši znanstveni rezultati Vmesno poročilo
Najpomembnejši družbeno–ekonomsko in kulturno relevantni rezultati Vmesno poročilo
Zgodovina ogledov
Priljubljeno