Predseda SAV prof. RNDr. Pavol Šajgalík, DrSc. odovzdal v utorok 9. apríla v Aule SAV v Bratislave počas doktorandského semináru diplomy doktorandom, ktorí získali Doktogrant alebo Certifikát kvality.
Ako zdôraznil prof. Šajgalík, ide o dôležitý program, ktorý podporuje vedecké projekty študentov doktorandského štúdia v ústavoch či centrách SAV. Zároveň vyjadril prianie, aby doktorandi pokračovali vo svojej vedeckej práci na pôde SAV.
Za Geografický ústav SAV, v. v. i. boli ocenení Mgr. Šimon Opravil a MSc. Hamid Afzali. Práve prvý menovaný si osobne prevzal diplom z rúk prof. Šajgalíka.
Mgr. Šimon Opravil uspel s projektom s názvom Combining Optical and SAR Satellite Data to Improve the Detection of Grassland Management Events
Viac podrobností o projekte
Cieľom Spoločnej poľnohospodárskej politiky Európskej únie a Smernice o biotopoch je dosiahnutie vyššej úrovne biodiverzity v poľnohospodárskej krajine. Realizácia oboch týchto politík si vyžaduje komplexné monitorovanie faktorov ovplyvňujúcich biodiverzitu, ktoré môže byť zefektívnené pomocou technológie diaľkového prieskumu Zeme. V kontexte trvalých trávnych porastov je jedným z kľúčov k biodiverzite intenzita manažmentu, vyjadrená frekvenciou a načasovaním kosenia a spásania. Tieto postupy je možné identifikovať využitím satelitných údajov, ktoré zaznamenajú náhle zmeny fotosynteticky aktívnej biomasy v reakcii na tieto zásahy. Avšak, rýchly následný rast tráv predstavuje výzvu pre spoľahlivé identifikovanie manažmentu, pričom sa vyžaduje hustý časový rad satelitných snímok. Splnenie tejto výzvy môže byť dosiahnuté kombinovaním časových radov snímok z radaru so syntetickou aparatúrou (SAR) s optickými snímkami. Cieľom tohto projektu je testovať dvojstupňovú metodiku identifikácie manažmentu trvalých trávnych porastov. V prvom kroku využijeme regresiu založenú na metóde strojového učenia, a údaje SAR na zaplnenie medzier v optických časových radoch spôsobené oblačnosťou. V ďalšom kroku sa časové rady optických a SAR údajov kategorizujú pomocou dvoch rôznych algoritmov strojového učenia na identifikáciu obhospodarovaných a neobhospodarovaných oblastí. Zistenia projektu budú prispievať k riešeniu projektov APVV MEADOW (APVV 21-0226), a Biodiversa Plus G4B (MVTS5069) na vyhodnotenie prítomnosti druhovo bohatých trávnych porastov, a aj pri monitorovaní poľnohospodárskych postupov v súlade so Spoločnou Poľnohospodárskou Politikou.
MSc. Hamid Afzali sa do výzvy zapojil projektom s názvom Using artificial intelligence for monitoring riparian vegetation
Viac podrobností o projekte
Ripariárna zóna predstavuje územie medzi vyššími časťami nivy a brehovou líniou rieky, ktoré poskytuje mimoriadne udržateľné podmienky pre faunu a flóru v prostredí riek. Monitorovanie vegetačných zón z hľadiska udržateľnej biodiverzity a produktivity, si vyžaduje komplexný a adaptívny prístup na zabezpečenie realizovateľnej rovnováhy medzi ekologickými procesmi, interakciami druhov a environmentálnymi faktormi. Hoci tradičné metódy monitorovania ripariárnych zón ponúkajú cenné poznatky, moderné technológie, ako sú satelitné snímky, diaľkový prieskum Zeme a analýzy založené na umelej inteligencii, ich však môžu doplniť a rozšíriť. Tieto technológie riešia mnohé obmedzenia pôvodných metód tým, že poskytujú širšie priestorové pokrytie, vyššie časové rozlíšenie a automatizované spracovanie údajov, čo vedie ku komplexnejšiemu a presnejšiemu pochopeniu dynamiky vegetácie a stavu ekosystému. Medzi hlavné ciele štúdie patrí automatická klasifikácia satelitných a leteckých snímok, s využitím technológie umelej inteligencie, ktorá prispieva k monitorovaniu biodiverzity a produktivity vegetácie, identifikácii reakcie vegetácie na sukcesiu a vplyv človeka a vysvetleniu vplyvu parametrov prostredia na dynamiku vegetácie. Kľúčové slová: Ripariárna zóna, strojové učenie, satelitné snímky, vplyvy človeka, dynamika vegetácie
Viac informácii na stránkach SAV.
Foto: Martin Bystriansky