NMDC Project

Marktplaats

Doel

Het werk dat binnen de NMDC instituten wordt uitgevoerd levert AI-modellen, data-pipelines, datasets, papers, etc. op. Deze hoeven niet perse domein- of toepassing-specifiek te zijn en kunnen door anderen worden gebruikt of herschreven. Op deze pagina vind je een korte omschrijving, eventuele links naar meer informatie en een contactpersoon aan wie je meer informatie kunt vragen of met wie je in overleg kunt met jouw specifieke vraag.

Producten

Opsporen koeltorens op luchtfoto NL
Type: Beeldherkenning
Status: Project afgerond
Contactpersoon: Rob Beffers, rob.beffers@rivm.nl
Kenmerken: ▸ Combineer verschillende bronnen (Infrarood, Luchtfoto)
▸ Opsporen van betrekkelijk kleine objecten

Er zijn scripts ontwikkeld om verschillende datasets te maken (annoteren) m.b.v. algemene GIS-software. De datasets worden gebruikt om het AI-model (verder) te trainen. Het getrainde AI-model kan worden gebruikt om nieuwe objecten op te sporen.

De scripts zijn gebruikt om koeltorens op te sporen. De resultaten waren niet zo goed, omdat het oplossend vermogen van de gebruikte luchtfoto laag was. Het oplossend vermogen ligt nu 13x hoger. Toch was men blij met het resultaat; Een lijst met mogelijke koeltorens, die eenvoudig door experts kon worden bekeken. Na het (handmatig) uitfilteren van de false-positifs werd de definitieve lijst verkregen. De hiervoor benodigde tijd was zeer te overzien.

Tweets waarop je moet reageren
Type: Natural Language Processing
Status: Project loopt meerjarig
Contactpersoon: Rob Beffers, rob.beffers@rivm.nl
Kenmerken: ▸ Bevat deze tweet een vraag?
▸ Nog een kenmerk

Over sommige onderwerpen waar het RIVM zich mee bezig houdt worden op social media veel berichten gepost. Sommige van deze berichten bevatten onjuiste informatie, misinformatie of vragen.
Voor het RIVM is het van belang om de juiste informatie aan het publieke debat toe te voegen. Daarom onderzoeken we of we m.b.v. AI sneller en beter berichten op te kunnen sporen waar het RIVM op kan/moet reageren.
Er is een eerste versie ontwikkelt. Daarbij zijn veel lessen geleerd. In een langdurig(er) traject gaan we i.s.m. de Hogeschool Utrecht kijken of we zaken kunnen verbeteren; Verbetering AI-modellen, snelle(re) inzetbaarheid bij nieuwe onderwerpen (Stikstof, PFAS, …), meer focus op voortdurend bijleren van de AI-modellen

Surface water changes
Type:
Status: closed
Contactpersoon:
Kenmerken: ▸ Sattelite data
▸Google Earth Engine

Deltares Aqua Monitor shows how the Earth’s surface water has changed during the last 30 years.

http://aqua-monitor.appspot.com
See also the following Nature Climate Change paper: http://nature.com/nclimate/journal/v6/n9/full/nclimate3111.html
The website shows static map by default, visualizing surface water changes which occurred during 1985-2016 as explained in the above paper (see supplementary materials).

A dynamic mode can be turned on for a more detailed analysis. In this mode, the surface water changes are computed on-the-fly using parameters provided by the user. Additionally, percentile composite images are generated for two selected years.
The following Google Earth Engine script can be used to generate surface water changes on-the-fly: https://code.earthengine.google.com/ca025b5b16b195c18793936cb56b6a69. And the following was used to generate static maps: https://code.earthengine.google.com/ca025b5b16b195c18793936cb56b6a69.
The results presented in the paper include a few additional clean-up steps (noise clean-up in the mountains using HAND mask, deforestation-like changes). But they were excluded during static map generation.

https://github.com/Deltares/aqua-monitor

Ontdek NMDC