Spatiotemporele deep learning workflows voor het omzetten van remote sensing data naar geo-indicatoren voor het omgevingsbeleid (GEO-INDICATORS)

Data-gebaseerde omgevingsindicatoren zijn noodzakelijk om de klimaats- en biodiversiteitscrisis aan te pakken en om de voortgang te meten i.k.v. de UN doelen voor duurzame ontwikkeling (SDG’s). Momenteel investeren overheidsinstellingen vooral in meetnetwerken op de grond voor het opvolgen van de staat van onze ecosystemen en de omgevingsdrukken die erop inwerken. In Vlaanderen werden recent rondgebonden netwerken ontworpen voor habitatkwaliteit (2013), soorten (2016) en abiotiek (2019).
Dit project beoogt de ontwikkeling van de wetenschappelijke basis die nodig is voor het integreren van aardobservatie-gebaseerde informatie (EO) in geo-viewers voor het Vlaamse omgevingsbeleid. Aardobservatie levert op regelmatige basis ruimtelijk expliciete, gebied omvattende opnames van (een deel van) het aardoppervlak, op een verifieerbare en transparante manier. De huidige combinatie van ongeziene hoeveelheden aardobservatie data, toegenomen rekenkracht en recente ontwikkelingen in artificiële intelligentie - meer bepaald ‘deep machine learning’ - laat toe om workflows te ontwikkelen voor het leveren van accurate, ruimtelijk expliciete omgevingsindicatoren.
Generieke deep learning (DL) bouwstenen worden ontwikkeld die kunnen omgaan met de spatiotemporele uitdagingen van EO-data. Ook de generieke cal/cal procedures nodig voor het trainen van de DL-modellen worden ontwikkeld. Workflows die zijn samengesteld uit deze generieke componenten, zijn alleen afhankelijk van gratis en open EO-gegevensbronnen. Thematisch focust dit project op oppervlaktewater,vegetatie en milieudruk.
Onze co-creatie aanpak betrekt maatschappelijke actoren op verschillende stappen tijdens de ontwikkeling en de optimalisatie van de workflows en de geo-viewers. Dat is de beste garantie op een eindproduct dat effectief gebruikt zal worden door de belangrijkste actoren op alle niveaus. In een ruimtelijk gefragmenteerde regio als Vlaanderen, waar verschillende sectoren sterk verweven zijn, is een centraal platform van primordiaal belang.