W spotkaniu wzięli udział przedstawiciele ESA w Rzymie-Frascati (Włochy) oraz członkowie konsorcjum projektowego reprezentujący Uniwersytet w Twente (Holandia), Uniwersytet w Leeds (Wielka Brytania), firmę Starion (Włochy) oraz Akademię Górniczo-Hutniczą w Krakowie. Ze strony AGH członkami konsorcjum są przedstawiciele Wydziału Geodezji Górniczej i Inżynierii Środowiska: dr inż. Wojciech Witkowski (lider zespołu AGH), dr inż. Artur Guzy, mgr inż. Magdalena Łucka i prof. dr hab. inż. Ryszard Hejmanowski.
Podczas spotkania omówiono poszczególne zadania badawcze przewidziane do realizacji w ramach projektu, w tym dane i materiały badawcze, najważniejsze cele, harmonogram i strategie wdrażania spodziewanych do wypracowania rozwiązań technologicznych.
W drugiej części projektu badania skupią się na poniższych zadaniach.
1. Tworzenie kompleksowej bazy danych szeregów czasowych InSAR:
• opracowanie wiarygodnej, zwalidowanej i udokumentowanej otwartej bazy danych szeregów czasowych InSAR;
• zapewnienie, że baza danych obejmuje wiele zastosowań o istotnym wpływie społecznym;
• przestrzeganie zasad otwartej nauki i reguł FAIR (Findable, Accessible, Interoperable and Reusable), tj. znajdywalności, dostępności, interoperacyjności i reprodukowalności danych;
• płynna integracja tych danych z otwartą biblioteką SAR AlignSAR.
2. Konteneryzacja i przepływ pracy:
• konteneryzacja całego procesu tworzenia zestawu danych InSAR;
• zapewnienie zgodności ze standardami OGC (Open Geospatial Consortium Application Package), tj. implementacja otwartych standardów dla danych i usług przestrzennych, systemów informacji geograficznej (GIS) do celów przetwarzania danych i ich udostępniania.
W końcowym etapie projektu opracowana baza danych szeregów czasowych InSAR zostanie zademonstrowana, przetestowana i zwalidowana z wykorzystaniem oprogramowania open-source i uczenia maszynowego. Co ważne, wszystkie zestawy danych i narzędzia będą dostępne bezpłatnie dla całej społeczności naukowej, wesprą dalsze innowacje w analizie szeregów czasowych InSAR, w tym implementacji dla tych potrzeb uczenia maszynowego.
Więcej informacji o projekcie dostępnych jest na stronie internetowej projektu, a bieżące aktualności publikowane są w serwisie LinkedIn.
