Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Sviluppo di Tecniche di Machine Learning (ML) per l’identificazione tempestiva di incendi a partire da osservazioni da satellite geostazionario. |
|---|---|
| Titolo del progetto di ricerca in inglese | Development of Machine Learning (ML) techniques for the timely identification of fires from geostationary satellite. |
| Campo principale della ricerca | Environmental science |
| Sottocampo della ricerca | Other |
| Settore Concorsuale | 02 - Scienze fisiche |
| S.S.D | FIS/06 - FISICA PER IL SISTEMA TERRA E PER IL MEZZO CIRCUMTERRESTRE |
| Settore Concorsuale | 04 - Scienze della Terra |
| S.S.D | GEO/10 - GEOFISICA DELLA TERRA SOLIDA |
| Descrizione sintetica in italiano | Lo scopo del progetto di ricerca è il miglioramento delle performance dell’algoritmo RST-FIRES per il riconoscimento tempestivo dei principi di incendio attraverso una ottimizzazione della scelta di indici spettrali e soglie basata sull’applicazione di tecniche innovative di Machine Learning a serie temporali pluriennali di dati acquisiti da sensori satellitari geostazionari. A tale scopo l’utilizzo di linguaggi di programmazione (come R e GEE) permetterà analisi speditive di questo tipo di dati nel dominio spazio-temporale. Opportuni dataset, e campagne di osservazione con camere termiche dal suolo e drone, verranno utilizzati per le successive fasi di training e test, considerando eventi occorsi nell’area mediterranea e, in particolare, in Basilicata e Calabria. I risultati ottenuti verranno confrontati con quelli indipendentemente ottenuti, sullo stesso data set, dagli altri gruppi di ricerca partecipanti alla Azione 5 (Spoke 1, GOAL 4, PP1) del Progetto Tech4You. |
| Descrizione sintetica in inglese | The aim of the research project is to improve the performance of the RST-FIRES algorithm for the timely recognition of fire outbreaks through an optimization of the choice of spectral indices and thresholds based on the application of innovative Machine Learning techniques to multi-years time series of data acquired by geostationary satellite sensors. For this purpose, the use of programming languages (such as R and GEE) will allow rapid analysis of this type of data in the space-time domain. Appropriate datasets and observation campaigns with groundbased thermal cameras and drones will be used for the subsequent training and testing phases, considering events that occurred in the Mediterranean area and, in particular, in Basilicata and Calabria. The results obtained will be compared with those independently obtained, on the same data set, by the other research groups participating in Action 5 (Spoke 1, Goal 4, PP1) of the TECH4YOU project. |
| Data del bando | 04/12/2023 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 37800 |
| Periodicità | 18 |
| E' richiesta mobilità internazionale? | no |
| Paesi in cui può essere condotta la ricerca |
EUROPE |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | http://service.unibas.it/documenti/show_document_db1.asp?tipo=12 |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | no |
| Importo annuale | 37800 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Massima durata dell'assegno (mesi) | 18 |
| Criteri di selezione in italiano (breve descrizione) |
a) Laurea quinquennale (vecchio ordinamento) in Ingegneria per l’Ambiente e il Territorio ovvero Laurea Specialistica/Magistrale in Ingegneria per l'Ambiente e il Territorio appartenenti alla classe LM-35; tutte le Lauree che rientrano nella classe delle Lauree Specialistiche in Scienze e Tecnologie per l'Ambiente e il Territorio (82/S), in Scienze Geofisiche (85/S) e in Scienze Fisiche (20/S) o titolo conseguito all'estero riconosciuto equipollente in base alla vigente normativa; b) Dottorato di Ricerca (requisito obbligatorio); c) Esperienza documentata in Tecniche di Machine Learning e nell’analisi di serie temporali di osservazioni satellitari. |
| Criteri di selezione in inglese (breve descrizione) |
Documented expertise in hydrological and hydrodynamics modelling and monitoring. |
| Processo di selezione in italiano (breve descrizione) | Il colloquio verterà sulla conoscenza da parte del candidato delle tecniche di Machine Learning e di Tecniche Robuste per l’analisi di serie temporali di dati satellitari (RST) e si concluderà con una verifica della conoscenza della lingua inglese. |
| Processo di selezione in inglese (breve descrizione) |
The oral interview will focus on the candidate's knowledge of Machine Learning techniques and Robust Techniques for the analysis of time series of satellite data (RST). The interview will end with a test of knowledge of the English language. |
| Nome dell'Ente finanziatore | Università degli Studi della Basilicata |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Potenza |
| Codice postale | 85100 |
| Indirizzo | Via dell'Ateneo lucano, 10 |
| Sito web | http://www.unibas.it |
| settorericerca@unibas.it | |
| Telefono | 0971202188 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 03/01/2024 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |