Fréttir eftir árum


Fréttir

Ástand jarðarinnar metið með gervihnattamyndum

Vekur athygli almennings og veitir ákveðið aðhald

3.10.2022

Með gervihnattamyndum má nálgast mikilvægar upplýsingar um ástand jarðarinnar t.a.m. er varðar gróðurfar og umfang skógarelda. Slíkar myndir geta því veitt ákveðið aðhald og vakið athygli almennings á þeim breytingum sem verða.

Maria Erini Pegia, doktorsnemi við tölvunarfræðideild Háskólans í Reykjavík og leiðbeinandi hennar Björn Þór Jónsson, dósent við tölvunarfræðideild, vinna nú að rannsókn og þróun á forriti sem eykur greiningarhæfni á gervihnattamyndum. Þau hlutu nýverið viðurkenningu fyrir bestu fræðigreinina á CBMI ráðstefnunni sem var haldin í Austurríki.

Gervihnettir sveima yfir okkur og taka myndir af jörðinni, ýmist daglega eða á nokkurra daga fresti, sem þýðir að þú hefur í höndum myndaraðir til að skoða hvað hefur breyst á jörðinni. Þannig gætir þú, með því að skoða tvær myndir teknar á mismunandi tíma, séð breytingar á jörðinni, t.d. á gróðurfari hér á Íslandi og erlendis á eyðingu vegna skógarelda. Fyrri aðferðir voru góðar í að meta hvar engin breyting hafði orðið, en okkar aðferð er betri í að meta hvar breytingar hafa orðið. Almennt er svæðið sem breytist ekki stórt miðað við umfang mynda en hins vegar skiptir í raun mun meira máli að sjá það sem breytist og okkar aðferð gefur því nákvæmari niðurstöðu.

 

Geimvisindamenn

Björn Þór og Maria hlutu nýverið viðurkenningu fyrir bestu fræðigreinina á CBMI ráðstefnunni sem var haldin í Austurríki. 

Björn Þór hefur víðtæka reynslu af því að vinna með stór gagnasöfn en Maria vinnur á rannsóknarstofu í heimalandi sínu Grikklandi sem vinnur mikið með gervihnattagögn. Hún hefur bakgrunn í stærðfræði og í doktorsverkefni sínu nýtir hún stærðfræðinálgun sem byggir á því að endurmeta stöðugt líkur eftir því sem fleiri gögn eru skoðuð, sem gefur færi á að komast hraðar að réttri niðurstöðu.

Maria hefur þegar unnið að svipuðum rannsóknum hjá CERTH (Centre for Research and Technology Hellas), sem er rannsóknamiðstöð á tæknisviði í Grikklandi.

Ég hef frá upphafi rannsóknarferils míns verið mjög forvitin um að vinna með og fræðast um gögn sem tekin eru með gervihnöttum sem og tækifæri og takmarkanir á sviði jarðathugunar. Nýlega tók ég t.a.m þátt í svokölluðu CALLISTO verkefni sem gaf mér tækifæri til að kynnast þessu fræðasviði. Ég brenn fyrir því að vinna að málefnum sem skipta máli og mig langar að tryggja að breytingagreining og greining margmiðlunargagna almennt geti bætt ákvarðanatöku og auðlindaúthlutun á fjölmörgum sviðum. Ég hlakka mikið til að stunda doktorsnám við Háskólann í Reykjavík og taka rannsóknir mínar skrefi lengra.

CBMI ráðstefnan (International Conference on Content-Based Multimedia Indexing) er evrópsk ráðstefna sem haldin hefur verið reglulega í tvo áratugi. Ráðstefnan er þekkt á sínu sviði og segir Björn Þór mikið af vönduðu og frambærilegu efni spretta þar fram.

„Það er auðvitað alltaf heiður að fá slíka viðurkenningu fyrir sínar rannsóknir. Stór hluti af starfi okkar vísindamanna snýr jú að þátttöku í ráðstefnum sem þessum. Sem hluta af viðurkenningunni býðst okkur Mariu nú næst að vinna tímaritsgrein þar sem við nálgumst aðferðina frá fleiri hliðum og höldum áfram að þróa rannsókn okkar enn frekar,“ segir Björn Þór.

///

Björn Þór Jónsson, associate professor at Reykjavik University and Maria Eirini Pegia a PhD student at the Department of Computer Science at Reykjavik University, have received the best paper award at the International Conference on Content-Based Multimedia Indexing CBMI 2022.

The award-winning paper, BiasUNet: Learning Change Detection over Sentinel-2 Image Pairs, was co-authored by Maria Eirini Pegia, Anastasia Moumtzidou, Ilias Gialampoukidis, Björn Þór Jónsson, Stefanos Vrochidis, and Ioannis Kompatsiaris. It proposes an approach to analysing changes in multi-temporal satellite images, which are of great importance in remote sensing, monitoring environmental changes and land use. The method proposed in the award-winning paper outperforms four state-of-the-art deep learning networks on the Sentinel-2 ONERA Satellite Change Detection (OSCD) benchmark dataset, both in terms of precision and quality.

It is always an honor to receive such recognition for your research and a large part of our work as scientists is to participate in conferences like this. As part of the recognition, we are now invited to work on a journal article where we approach the method from various angles and continue to further develop our study.

Björn Þór has extensive experience in working with large multimedia collections and Maria works in a laboratory in her native Greece that works extensively with satellite data. She has a background in mathematics, and in the CBMI paper, she uses a mathematical approach based on continually reassessing probability as more data is examined, giving the opportunity to reach a good model conclusion faster.