Projekt

Zurück zur Übersicht

weObserve: Integrating Citizen Observers and High Throughput Sensing Devices for Big Data Collection, Integration, and Analysis

Gesuchsteller/in Roth Volker
Nummer 167333
Förderungsinstrument NFP 75 Big Data
Forschungseinrichtung Fachbereich Informatik Departement Mathematik und Informatik Universität Basel
Hochschule Universität Basel - BS
Hauptdisziplin Informatik
Beginn/Ende 01.05.2017 - 30.04.2020
Bewilligter Betrag 525'024.00
Alle Daten anzeigen

Alle Disziplinen (3)

Disziplin
Informatik
Zoologie
Bodenkunde

Keywords (8)

Soil degradation monitoring, Data analysis, Machine learning, Data collection, Biodiversity monitoring, Environmental monitoring, Citizen science, Data integration

Lay Summary (Deutsch)

Lead
Viele Phänomene unserer Umwelt sind hochgradig komplex und können nicht einfach über Sensoren erfasst werden. Zusätzliche Feldbeobachtungen sind oft unverzichtbar. Das Projekt untersucht anhand von zwei Fallbeispielen, wie Sensordaten und Feldbeobachtungen kombiniert und ausgewertet werden können.
Lay summary

Für das Verständnis komplexer Phänomene in unserer Umwelt reicht es meist nicht aus, grosse Datenmengen über Sensoren zu erfassen und zu analysieren. Häufig sind zusätzliche Feldbeobachtungen unverzichtbar. Anhand von zwei Fallstudien werden wir Sensordaten, die bezüglich ihrer Genauigkeit limitiert sind, und präzise Feldbeobachtungen, die aber oftmals nur punktuell vorliegen, kombinieren und integriert auswerten. Im ersten Fall entwickeln wir ein solches duales Erfassungssystem, um eine flächendeckende Analyse von Boden-Erosionsereignissen in den Alpen zu realisieren. Im zweiten Fall integrieren wir bereits vorhandene Sensor- und Feldbeobachtungsdaten, um die Massenwanderung von Zugvögeln besser zu verstehen.

Ziel des Projekts ist die Entwicklung von Verfahren zur Erfassung, Kombination und Auswertung von flächendeckenden Sensordaten und punktuellen Feldbeobachtungen. Die beiden Fallstudien sollen (a) ein besseres Verständnis von Erosionsprozessen erzielen und (b) die Vorhersage der räumlichen und zeitlichen Zugmuster von Vogelarten verbessern.

Die Entwicklung neuer Methoden zur Erfassung, Integration und Analyse von heterogenen Datenströmen und punktuellen Feldbeobachtungen führt zu neuen Erkenntnissen in den Umweltwissenschaften. Die beiden Fallstudien verbessern einerseits das Verständnis der alpinen Ökosysteme, die eine hohe Relevanz für die Biodiversität und den Wasserhaushalt besitzen. Andererseits lassen sich mit einer verbesserten Kenntnis des jährlichen Vogelzugs auch Fragen zur schonenden Nutzung der Windenergie oder der Verbreitung von Krankheiten durch Zugvögel beantworten.

Direktlink auf Lay Summary Letzte Aktualisierung: 26.07.2017

Lay Summary (Französisch)

Lead
La complexité de nombreux phénomènes environnementaux empêche à de simples capteurs de les saisir pleinement. Des observations complémentaires sur le terrain s’avèrent souvent indispensables. Le projet étudie, sur la base de deux exemples, comment combiner et évaluer les données issues de capteurs et les observations de terrain.
Lay summary

Pour comprendre les phénomènes environnementaux complexes, il ne suffit en général pas de traiter et d’analyser de gros volumes de données de capteurs. Il est souvent indispensable d’avoir recours à des observations sur le terrain. Sur la base de deux études de cas, nous allons combiner et analyser de manière intégrée des données de capteurs dont l’exactitude est limitée avec des observations de terrain précises mais souvent fragmentaires. Dans la première étude, nous développons un tel système de traitement dual afin d’effectuer une analyse à grande échelle de phénomènes d’érosion du sol dans les Alpes. Dans la deuxième étude, nous intégrons des données de capteurs et d’observations sur le terrain déjà existantes afin de mieux comprendre les migrations de masse des oiseaux.

L’objectif du projet est le développement de processus à même de traiter, combiner et analyser autant des données de capteurs sur une grande échelle que des observations de terrain ponctuelles. Les deux études de cas doivent (a) permettre une meilleure compréhension des processus d’érosion et (b) améliorer les prévisions du modèle de migration spatial et temporel de diverses espèces d’oiseaux.

Le développement de nouvelles méthodes de traitement, d’intégration et d’analyse des flux de données hétérogènes et d’observations sur le terrain permettent d’acquérir de nouvelles connaissances en sciences de l’environnement. Ces deux études de cas améliorent, d’une part, la compréhension des écosystèmes alpins qui revêtent une grande importance pour la biodiversité et le régime des eaux. Elles permettent, d’autre part, une meilleure connaissance des migrations annuelles des oiseaux afin de répondre à des questions sur l’utilisation durable de l’énergie éolienne ou la propagation de maladies par les oiseaux migrateurs.


Direktlink auf Lay Summary Letzte Aktualisierung: 26.07.2017

Lay Summary (Englisch)

Lead
Many phenomena in our environment are extremely complex and cannot simply be captured via sensors. Additional field observations are often indispensable. This project uses two case studies to examine how sensor data and field observations can be combined and evaluated.
Lay summary

Understanding complex phenomena in our environment requires more than capturing and analysing large quantities of data via sensors. Additional field observations are often indispensable. By means of two case studies, we will combine and conduct an integrated evaluation of, first, sensor data that is limited in terms of accuracy, and, second, field observations that are precise but often only selectively available. In the first case we will develop a dual recording system of this type in order to carry out a comprehensive analysis of soil erosion events in the Alps. In the second case we will integrate pre-existing sensor and field observation data to gain a better understanding of the mass movement of migratory birds.

The aim of the project is to develop processes for collecting, combining and evaluating comprehensive sensor data and selective field observations. Two case studies will (a) achieve a better understanding of erosion processes and (b) improve the forecasting of spatial and temporal migration patterns of bird species. 

Developing new methods of recording, integrating and analysing heterogeneous data streams and selective field observations will lead to new knowledge in the environmental sciences. The first case study will improve our understanding of alpine ecosystems, which are of great relevance to biodiversity and the water balance. The second case study will enable us to use better knowledge of annual bird migrations to answer questions about the responsible use of wind energy and how migratory birds spread diseases.


Direktlink auf Lay Summary Letzte Aktualisierung: 26.07.2017

Verantw. Gesuchsteller/in und weitere Gesuchstellende

Mitarbeitende

Verbundene Projekte

Nummer Titel Start Förderungsinstrument
146178 Copula Distributions in Machine Learning: Models, Inference and Applications 01.07.2013 Projektförderung (Abt. I-III)
146018 Improving soil erosion assessment in Swiss mountainous areas using radionuclides (137Cs, 239+240Pu) 01.10.2013 Projektförderung (Abt. I-III)
113331 Soil degradation and nutrient export in the upper alpine level of the Reuss watershed 01.12.2006 Projektförderung (Abt. I-III)

Abstract

Monitoring and analysing data streams is crucial for understanding many real-world phenomena. Sometimes such data streams can be obtained automatically by high-throughput grid-based sensor devices, but in complex and dynamic environments it is frequently necessary to complement such sensor data with specific high-precision field observations. In the weObserve project we analyse exactly such combined data situations where citizen observers provide semantically rich but typically biased information directly from the field, and where this information needs to be jointly analysed together with large-scale low-resolution sensor data. We address all individual steps of a suitable information processing pipeline ranging from data collection – where we focus on novel devices and apps for citizen scientists – to data integration – with all its associated problems of dealing with heterogeneous data records that differ in resolution, in reliability, precision and coverage – to data analysis – where we develop novel machine learning methods that can detect patterns in Big Data and exploit such patterns for making predictions. We evaluate this new processing pipeline in two carefully selected applications with complementary requirements and different ways to gather data. Whilst the first application scenario concerns environmental monitoring in the context of solid degradation and landslides in Swiss Alpine regions, the second case study focuses on biodiversity monitoring with specific emphasis on radar-based detection of bird migration patterns in Switzerland and its neighbouring countries. Both applications have in common that high-throughput grid-based sensor information (areal photographs, radar signals etc.) have to be combined with high-precision observational data from citizen observers. We expect that intelligent data analysis will lead to new insights to soil degradation processes (including extreme events like landslides), and – in the second application – to a better understanding of bird migration patterns. Detailed knowledge about such migration patterns will be indispensable for developing monitoring and forecast systems which are particularly pertinent for flight safety, renewable energy and control of pests and diseases.