Projekt NCN współfinansowany z funduszy norweskich realizowany w konsorcjum międzynarodowym. We współpracę zaangażowano 11 partnerów z Polski oraz 14 partnerów z Norwegii.  Skład konsorcjum na stronie https://harsval.eu/

Główne cele projektu

1. Działania mające na celu modernizację i standaryzację systemu obserwacyjnego Svalbardu w obszarach priorytetowych dla polskiej i norweskiej społeczności polarnej.
2. Działania mające na celu rozwój kompetencji i umiejętności, umiędzynarodowienie i zwiększenie widoczności polskiej społeczności polarnej, realizowane w ramach współpracy polsko-norweskiej.
3. Działania w obszarze FAIR data i otwartej nauki:
4. Działania w obszarze upowszechniania, komunikacji i zarządzania.

CENAGIS jest zaangażowany w rozwój Bazy Danych Polarnych

Polskie Konsorcjum Polarne postanowiło rozwijać Polską Bazę Danych Polarnych (PPDB), ogólnopolskie repozytorium danych, w systemie rozproszonej bazy danych. PPDB jest już częścią Systemu Zarządzania Danymi SIOS ((SIOS –  Svalbard Integrated Arctic Earth Observing System).. Bazując na doświadczeniach SIOS i dotychczasowej współpracy z partnerami norweskimi, którzy są jednymi z liderów w dziedzinie udostępniania danych, planowane jest zbudowanie platformy szkoleniowej dla administratorów danych i specjalistów IT w celu poprawy szerokiego dostępu do unikalnych danych badawczych.

Działanie będzie realizowane z wykorzystaniem chmurowej platformy informatycznej Centrum Naukowych Analiz Geoprzestrzennych i Obliczeń Satelitarnych (CENAGIS).

Planowane działania:

1. Zaprojektowanie i wykonanie podstawowych komponentów Centralnego Serwera Usług Geoprzestrzennych dla Bazy Danych Polarnych:

• Opracowanie narzędzi do integracji z innymi bazami danych badań polarnych (np. SIOS Data Access Portal).
• Rozwój narzędzi do integracji z innymi usługami danych tematycznych (np. międzynarodowe usługi GNSS, EUREF, EUPOS itp.)
• Konfiguracja podstawowych narzędzi i aplikacji do geowizualizacji danych
• Konfiguracja podstawowych narzędzi i aplikacji do analizy danych, w tym wykorzystanie dużych zbiorów danych i sztucznej inteligencji.

2. Wspieranie udostępniania danych przez wykwalifikowanych administratorów danych tzw. data stewards.

Celem projektu jest opracowanie usługi inwentaryzacji i modelowania kluczowych obiektów infrastruktury technicznej i transportowej w technologii BIM z wykorzystaniem narzędzi sztucznej inteligencji. W ramach projektu prowadzone są badania dotyczące wdrożenia rozwiązań głębokiego uczenia maszynowego opartego o trójwymiarowe dane fotogrametryczne pozyskane dronami wyposażonymi w kamery i skanery laserowe. Projekt realizowany jest w konsorcjum Politechnika Warszawska i firma SkySnap.

Celem projektu jest badanie możliwości wykorzystania skanerów laserowych oraz kamer multi- i hiperspektralnych w analizie terenów zadrzewionych. Projekt realizowany jest we współpracy z firmą Dragonfly Vision. W ramach projektu wykonane są naloty z użyciem platform pomiarowych UAV nad terenami zalesionymi, zarówno w porze ulistnienia, jak i bezlistnej. Systematyczne naloty pozwolą na zbadanie powtarzalności uzyskiwanych wyników oraz przeprowadzenie długotrwałej analizy stanu drzewostanu oraz wsparcia teledetekcyjnego w jego inwentaryzacji. Wynikiem projektu będzie metodyka pozyskiwania i przetwarzania danych z bezzałogowych statków latających na terenach zalesionych. W ramach projektu powstaje usługa software as a service (SaaS), pozwalająca na automatyczne przetwarzanie danych i udostępnianie w interaktywnej formie wyników użytkownikom końcowym.

Celem projektu jest opracowanie metodyki analizowania w czasie i przestrzeni rozwoju epidemii COVID-19, która umożliwiłaby budowę systemu wspomagania decyzyjnego w zakresie społecznego dystansowania. Realizacja projektu wymaga zgromadzenia i przetworzenia wieloźródłowych danych epidemiologicznych, geoprzestrzennych, demograficznych, gospodarczych, klimatycznych i społecznych. Zgromadzone dane umożliwią przygotowanie trzech modeli symulacyjnych wykorzystujących: modelowanie wieloagentowe, uczenie głębokie (deep learning), oraz symulacje Monte Carlo.

Celem projektu jest opracowanie prototypu systemu symulacyjnego umożliwiającego planowanie terratransformacji Marsa. System stworzony w ramach projektu będzie służył do wariantowych analiz terratransformacji planety. Zaproponowane metody wykorzystania wieloskalowych modeli rzeźby terenu fragmentów planety w celu wyboru terenów optymalnych dla różnych sposobów zagospodarowania np. wytyczania szlaków komunikacyjnych i wspomagania systemów lokalizacyjno-nawigacyjnych. System ten wykorzystuje metody uczenia maszynowego typu deep learning, wieloźródłowe dane i modele rzeźby terenu oraz pomiary planetarne realizowane przez łaziki marsjańskie Opportunity oraz Curiosity.

Projekt ma na celu wsparcie społeczności i rozwój obszarów wiejskich Mazowsza, a także wzmacnianie tradycyjnych i utworzenie nowych sieci powiązań między interesariuszami za pomocą nowoczesnych środków komunikacji, a przede wszystkim podniesienie świadomości społecznej związanej z rozwojem obszarów wiejskich. Podstawą do osiągnięcia celów będzie przeprowadzenie badań i analiz naukowych polegających na identyfikacji elementów spowalniających rozwój rolnictwa, ocenę warunków gospodarowania i określenie czynników mających wpływ na spowolnienie rozwoju rolnictwa.

Celem projektu jest odtworzenie układu zabudowy antycznego miasta Nea Paphos, położonego na Cyprze. Rezultatem zintegrowanych wyników badań będzie rekonstrukcja krajobrazu miasta i zabudowań w postaci modeli 3D. W tym celu wykorzystywane są między innymi fotogrametryczne loty UAV. Uzyskane rekonstrukcje 3D zostaną poddane następnie analizom przestrzennym celem ustalenia zależności pomiędzy układem zabudowy i ulic a funkcjonowaniem miasta w rozumieniu widoczności, przepływu ludności, potencjalnej liczby mieszkańców, etc.

Projekt międzynarodowy (OPUS LAP) realizowany jest we współpracy Instytutu Badawczego Leśnictwa, Politechniki Warszawskiej oraz University of Natural Resources and Life Sciences (Vienna)

Jednym ze sposobów niwelowania potencjalnych, negatywnych skutków rekreacji i ruchu turystycznego jest posiadanie informacji o preferencjach społeczeństwa, porach i miejscach odbywaniu ruchu turystycznego oraz jego natężeniu. Informacja ta może stanowić podstawę do podejmowania decyzji w zakresie rozmieszczenia i dostosowania infrastruktury dla różnych grup użytkowników, kanalizowania ruchu turystycznego, tak aby dopasować go do konkretnej grupy użytkowników.

Biorąc powyższe pod uwagę projekt skupia się na możliwościach świadczenia kulturowych usług ekosystemowych (CES) przez tereny lasów miejskich i podmiejskich w dwóch obszarach metropolitalnych Warszawy i Wiednia. Ponadto określone zostanie zapotrzebowanie społeczeństwa na tego typu usługi, jak również zostaną zbadane elementy związane z mobilnością w zakresie rekreacji (hot spoty, kierunki przemieszczania). W projekcie do mapowania i waloryzacji CES zostaną wykorzystane najnowsze rozwiązania technologiczne i duże zbiory danych (Big Data) pochodzące z wielu źródeł. Wśród zasobów danych należy wymienić: dane społecznościowej informacji geograficznej (np. z Flickr, Twitter); otwarte dane przestrzenne z projektów Copernicus, OGD Vienna itp. Dlatego też, istotnym celem projektu jest również zbadanie potencjału i ograniczeń Big Data w analizach CES. W projekcie do wykonywania analiz wykorzystana zostanie zaawansowana cyberinfrastruktura „Centrum Naukowych Analiz Geoprzestrzennych i Obliczeń Satelitarnych (CENAGIS)”.

Link do projektu na FB i Twitterze:  
https://www.facebook.com/profile.php?id=100090749589152
https://twitter.com/ForRest_bigdata