Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Applicazione di metodi machine learning per la mappatura dei fenomeni franosi in Emilia-Romagna |
|---|---|
| Titolo del progetto di ricerca in inglese | Applicazione di metodi machine learning per la mappatura dei fenomeni franosi in Emilia-Romagna |
| Campo principale della ricerca | Environmental science |
| Sottocampo della ricerca | Earth science |
| Settore Concorsuale | 04 - Scienze della Terra |
| S.S.D | - |
| Descrizione sintetica in italiano | Il principale obiettivo di questo progetto di ricerca è testare e valutare l'efficacia di modelli di Intelligenza Artificiale nella mappatura dei fenomeni franosi durante situazioni di emergenza. Il progetto prevede di sfruttare la mappatura eseguita dall'Università di Bologna (UNIBO) in seguito all'evento catastrofico di maggio 2023 come dataset per l'addestramento e il test di diversi modelli di machine learning, che variano per natura e complessità. I dati utilizzati per questo progetto includono poligoni di frane identificati manualmente attraverso l'analisi di foto aeree ad altissima risoluzione (0,2 m per pixel) con tre bande RGB e una banda infrarossa. Ogni poligono è stato classificato in base al tipo di frana e arricchito con una serie di attributi derivati da analisi GIS, come pendenza, area e geometria. Questi dati, grazie alla loro natura dettagliata e integrabile con un'ampia gamma di dati spaziali, sono ideali per l'addestramento di modelli di machine learning. |
| Descrizione sintetica in inglese | The primary objective of this research project is to test and evaluate the effectiveness of Artificial Intelligence models in mapping landslide phenomena during emergency situations. The project aims to leverage the mapping conducted by the University of Bologna (UNIBO) following the catastrophic event of May 2023 as a dataset for training and testing various machine learning models, which differ in nature and complexity. The data used for this project include landslide polygons manually identified through the analysis of high-resolution aerial photographs (0.2 m per pixel) with three RGB bands and one infrared band. Each polygon has been classified based on the type of landslide and enriched with a series of attributes derived from GIS analysis, such as slope, area, and geometry. These data, due to their detailed nature and compatibility with a wide range of geological, geomorphological, and land use spatial data, are ideal for training machine learning models. |
| Data del bando | 18/09/2024 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI SCIENZE BIOLOGICHE, GEOLOGICHE E AMBIENTALI |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| bigea.gestionepersonale@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 05/10/2024 |
|---|---|
| Come candidarsi | Other |