Webinare 2022

Date / Datum: 29.11.2022
Heure / Zeit: 15h30 - 17h00
Langue / Sprache: français / deutsch
Enregistrement / Anmeldung: Lien / Link

Du sol aux arbres, en passant par les routes : comment les méthodes d’apprentissage automatique transforment la donnée en connaissance

Ce webinaire est organisé par le Swiss Territorial Data Lab (www.stdl.ch), un laboratoire d’innovation collective qui explore les opportunités d’exploiter la science des données dans le domaine de la géoinformation. Trois projets seront présentés :

• Classification de la surface des routes en Suisse
  Emanuel Schmassmann – swisstopo et Gwenaëlle Salamin - swisstopo / Swiss Territorial Data Lab
  Le réseau routier suisse mesure 245'000 km et consiste en une grande variété d’altitudes et d’inclinaisons. L’interprétation manuelle des photos aériennes et la détermination du type de revêtement consomme beaucoup de temps et de ressources. Une automatisation du processus s’avère nécessaire afin de pouvoir étendre l’information à toute la Suisse. Le but du projet est de pouvoir classifier automatiquement le revêtement des routes selon des catégories prédéfinies.
   
• Analyse à grande échelle des paramètres de végétation grâce au machine learning
  Prof. Dr. Jan Dirk Wegner – université de Zürich / ETHZ
  Les analyses et les estimations mondiales des paramètres de végétation tels que la biomasse ou la hauteur de la végétation sont essentielles pour modéliser les changements climatiques et la biodiversité. Les approches traditionnelles doivent généralement être adaptées à des écosystèmes et des régions spécifiques. Il est donc très difficile de réaliser une modélisation homogène et mondiale avec une haute résolution spatiale et temporelle et, en même temps, une bonne précision. Les approches axées sur les données, notamment les méthodes modernes de deep learning, promettent ici un grand potentiel.
   
• Statistiques de la couverture et de l’utilisation du sol
  Gillian Milani – OFS et Alessandro Cerioni - Etat de Genève / Swiss Territorial Data Lab
  Les techniques de reconnaissance d'images sont aujourd'hui capables de certaines tâches complexes. La statistique de la superficie (couverture et utilisation du sol) est déjà automatisée partiellement grâce à ces techniques. Une amélioration des modèles statistiques permettrait d’obtenir une meilleure précision de la détection de changement, dans l’objectif de réduire le cycle de mise à jour de cette statistique.

Modération et contact : Raphael Rollier et Roxane Pott (swisstopo / STDL)

--------------------

Vom Boden über Bäume bis hin zu Strassen: wie Methoden des maschinellen Lernens Daten in Wissen verwandeln

Dieses Webinar wird vom Swiss Territorial Data Lab (www.stdl.ch) organisiert, einem Labor für gemeinsame Innovation, dass die Möglichkeiten der Nutzung von Datenwissenschaft im Bereich der Geoinformation erforscht. Drei Projekte werden vorgestellt:

• Klassifizierung der Strassenoberflächen in der Schweiz
  Emanuel Schmassmann - Swisstopo und das Swiss Territorial Data Lab
  Das Schweizer Strassennetz ist 245.000 km lang und besteht aus einer Vielzahl von Höhen und Neigungen. Die manuelle Interpretation von Luftbildern und die Bestimmung des Belagstyps ist sehr zeit- und ressourcenintensiv. Eine Automatisierung des Prozesses ist notwendig, um die Informationen auf die gesamte Schweiz auszudehnen. Das Ziel des Projekts ist es, die Strassenoberflächen automatisch, nach vordefinierten Kategorien, zu klassifizieren.
   
• Grossflächige Analyse von Vegetationsparametern mit Hilfe von Machine Learning
  Prof. Dr. Jan Dirk Wegner - Universität Zürich / ETHZ
  Weltweite Analysen und Schätzungen von Vegetationsparametern wie Biomasse oder Vegetationshöhen sind für die Modellierung des Klimawandels und der Biodiversität unerlässlich. Traditionelle Ansätze müssen in der Regel an spezifische Ökosysteme und Regionen angepasst werden. Daher ist es sehr schwierig, eine homogene, weltweite Modellierung mit hoher räumlicher und zeitlicher Auflösung und gleichzeitig guter Genauigkeit zu erreichen. Datenbasierte Ansätze, insbesondere moderne Deep-Learning-Methoden, versprechen hier ein grosses Potenzial.
   
• Der Statistik der Bodennutzung und Bodenbedeckung
  Gillian Milani - BFS und Swiss Territorial Data Lab
  Bilderkennungstechniken sind heute in der Lage, einige komplexe Aufgaben zu erfüllen. Die Flächenstatistik (Bodenbedeckung und Bodennutzung) wird heute bereits teilweise mit Hilfe dieser Techniken automatisiert. Eine Verbesserung der statistischen Modelle würde eine höhere Genauigkeit bei der Erkennung von Veränderungen ermöglichen, mit dem Ziel, den Aktualisierungszyklus dieser Statistik zu verkürzen.
   

Moderation und Kontakt : Raphael Rollier und Roxane Pott (swisstopo / STDL)

Date / Datum: 23.11.2022
Heure / Zeit: 15h30 - 17h00
Langue / Sprache: deutsch
Enregistrement / Anmeldung: Lien / Link

• IFC : die neue Version 4.3 und Anwendungsgrenzen 
  Referent: Bernd Domer, HESGE
  Mit grosser Spannung ist die Erweiterung des interoperablen Schemas für den Austausch von Bauwerksdaten erwartet worden. Mit IFC 4.3 ist es möglich, neben Informationen für Gebäude auch solche für Infrastruktur wie Brücken, Strassen und Schienenwegen zu übermitteln. Der erste Teil des Vortrags gibt einen kurzen Einblick in neue Elemente und räumliche Anordnungsstrukturen. Der zweite Teil zeigt die Grenzen von IFC auf.

• IFC : die neue Version 4.3 mit Fokus auf Schiene (ifcRail)
  Referent: Mercedes Santos, SBB AG
  Ifc rail ist ein integraler Bestandteil der gesamten 4.3 Erweiterung und wurde mit einer internationalen Gruppe von Bahnexperten entwickelt. Der erste Teil der Präsentation gibt einen kurzen Einblick in die Aufteilung und Koordinierung der Arbeiten. Der zweite Teil beschreibt die laufenden Arbeiten und die Herausforderungen, die wir mit der Einführung dieser Norm zu lösen hoffen.

• Nationale Koordination GeoBIM
  Referent: Christian Kaul, NK GeoBIM
  Der Aufbau der Nationalen Koordination GeoBIM kommt schrittweise voran. Es werden kurz der Zweck und die Organisation vermittelt. Anschliessend wird der Stand des Aufbaus und die Roadmap für die weitere Schritte aufgezeigt.

Datum: 21.09.2022
Zeit: 16h15 - 17h45
Sprache: deutsch und englisch

Die Organisatorin des Webinars, die data innovation alliance, lebt nach dem Slogan "Together we move faster". Die Initiative Databooster unterstützt ausschliesslich Projekte, bei welchen sich mehrere Organisationen zusammenschliessen, um gemeinsam vorwärts zu gehen. Im Webinar werden daher zwei Themen beleuchtet, bei welchen das "Gemeinsame" im Vordergrund steht und daher oftmals kombiniert behandelt werden.

Auf der einen Seite geht es im Webinar um Open Data und insbesondere die Entstehung von offenen Datensätzen. Zum Anderen geht es um das Einspannen einer Gruppe von freiwilligen Nutzern für die Erledigung einer Aufgabe, zum Beispiel die Erstellung eines Datensatzes.

Heutige (Geo-)Datenanalysen sind oft nur möglich, weil geeignete Datensätze frei zur Verfügung stehen oder weil eine Teilaufgabe an eine Gruppe von Freiwilligen ausgelagert werden kann. Im Webinar wollen wir wissen, wie Open Data entstehen können und wie man Crowd Sourcing nutzen kann. Wir fragen bei Personen nach, die es wissen müssen.

Vorträge: 

• Oleg Lavrovsky, Board Member Opendata.ch - Swiss Chapter of Open Knowledge, Co-Founder cividi GmbH
  Tap to Save Street - Crowdsourced Urbanism with Open Data
   
• Marianne Rüegsegger, Product Manager Data and Location Services, Esri Schweiz AG
  Beitragen und Nutzen von Open Data mit kommerzieller Software – kein Widerspruch!
   
• Ralph Straumann, OK GeoUnconference, Leiter Data Science, EBP Schweiz AG
  GeoUnconference: Nutzendenfokus für die Nationale Geodateninfrastruktur (NGDI)

Organisator: Databooster Initiative der data innovation alliance
Ansprechperson: Nicolas Lenz, nicextra@litix.ch

Link Anmeldung:Registrierungsportal