481.WOW-dag op donderdag 2 november 2023
8 projecten genomineerd
Prijs voor beste samenwerking
Als beheerders van de wegen, vaarwegen en het water zouden we zonder samenwerking niet ver komen. Daarom reiken we elke twee jaar de WOW-samenwerkingsprijs uit. De prijs dient als een eervol podium voor de mooiste projecten en levert de winnaars een mooi geldbedrag op om de samenwerking nóg een stap verder te brengen.
Klimaatneutraal en Circulair Assetmanagement en Opdrachtgeverschap (KCAO)
Beheerders in de Weg- en Waterbouw staan voor de uitdaging om in 2030 al hun infra-projecten klimaatneutraal en circulair te realiseren. Van waterschappen krijgt de Unie van Waterschappen vaak de vraag te horen: #hoedan? en #hoeconcreterhoebeter!
Daarom is het KCAO-project gestart: Klimaatneutraal en Circulair Assetmanagement en Opdrachtgeverschap. Meer dan 100 waterschappers en 9 ingenieursbureaus slaan de handen ineen. Met maar één doel: de waterschappen handvatten geven om waterschapsassets circulair te maken en de CO2-uitstoot te helpen terugdringen.
Riobase: datagestuurd rioolbeheer
Een goed werkend riool is van levensbelang, maar hoe zorg je er als kleine gemeente voor dat het beheer niet onnodig veel moeite en geld kost? Onderzoekers van de lectoraten Data Science en Assetmanagement van HZ University of Applied Sciences hebben samen met Zeeuwse rioolbeheerders een beslissingsondersteunend systeem ontworpen: Riobase. Hiermee kunnen zij op basis van risico’s en data hun rioolstelsels beheren. Dit zorgt voor een uniforme manier van rioolbeheer, scheelt onnodig werk en de middelen worden effectiever ingezet.
Het project Riobase is mede mogelijk gemaakt door een RAAK-subsidie van Regieorgaan SIA.
Nieuwe Waterwerken Zoutkamp
Nieuwe Waterwerken Zoutkamp is de projectnaam voor de werkzaamheden die wij als Waterschap Noorderzijlvest, de provincie Groningen en de gemeente Het Hogeland samen in Zoutkamp en omgeving gaan uitvoeren. Begonnen als een waterveiligheidsopgave van het waterschap, is het project doorontwikkeld tot een erfgoed inclusieve gebiedsopgave. Het project is een stimulans voor de natuur, cultuurhistorie, recreatie & toerisme, leefbaarheid, verkeersveiligheid, ondernemerschap en marketing voor Zoutkamp, het Lauwersmeer, het Hogeland en de Waddenregio.
Innovatie Maaitechniek en Vaartuignavigatie
In steeds meer Nederlandse meren zorgt de groei van waterplanten voor grote hinder en onveiligheid voor de recreatievaart. Dit leidt tot schade bij de watersportbedrijven en groot verlies aan maatschappelijke waarde voor sporters en vrijetijd besteding. Met steun van markt- en overheidspartijen hebben de Stichting Maaien Waterplanten Randmeren en Coöperatie Gastvrije Randmeren samen met Techmaps Remote Sensing BV de gebruikte maaitechniek geïnnoveerd en een nieuw navigatiehulpmiddel ontwikkeld.
Versterking Lauwersmeerdijk-Vierhuizergat
Tussen Lauwersoog en de Westpolder ligt de Groningse Lauwersmeerdijk. Deze dijk versterken we de komende jaren. Om ons in de toekomst goed te beschermen tegen overstromingen én om de dijk beter te maken voor mens en natuur. Samen met overheden, markpartijen, natuurorganisaties, maatschappelijke organisaties, ondernemers en bewoners werken we samen aan de duurzaamste dijk van Nederland: onze diek van morgen.
Hét Circulaire Bagger Consortium (van Zuid-Holland)
Het innovatieve Circulaire Bagger Consortium (CBC) in Zuid-Holland is een baanbrekende samenwerking die de bouwwereld transformeert. Samen werken we aan een circulaire bagger- en bouwindustrie, waarbij baggerspecie wordt omgezet in hoogwaardige grondstoffen voor duurzaam bouwen. Wij geloven dat circulaire producten voor de bouw alleen maar mogelijk zijn in een circulaire keten. Met onze innovatieve aanpak en betrokkenheid van diverse partners in regio Zuid-Holland streven we naar een duurzame toekomst. Ontdek hoe we de Nederlandse baggerketen veranderen en waarom we de WOW-samenwerkingsprijs verdienen!
Innovatiepartnerschap Sterke Lekdijk
De Noordelijke Lekdijk tussen Amerongen en Schoonhoven wordt versterkt. Dit prachtige oerhollandse rivierenlandschap blijft behouden door innovatieve maatregelen toe te passen. Dat maken we mogelijk met het Innovatiepartnerschap. Ervaren marktpartijen en Hoogheemraadschap de Stichtse Rijnlanden hebben de krachten gebundeld. De toegepaste innovaties zijn van grote betekenis voor onze landelijke dijkversterkingsopgave.
Projectoverstijgend en langjarig samenwerken - Waterschapsbedrijf Limburg
Een nieuw bouwconcept gecombineerd met een 8-jarige samenwerking voor uitvoering van infra- gerelateerde projecten binnen één raamovereenkomst. Het resultaat: kortere doorlooptijden, standaardisatie, lagere kosten, een eerlijk verdienmodel, aandacht voor veiligheid, duurzaamheid, innovatie. En vooral leuker samenwerken!
https://twitter.com/KQEDForum/status/1704888218263450018
We're speaking w/
@inaturalXXi @kuedaXX & @loarieXXX & @SJSUXX
's Jennifer Rycenga about the past & future of this remarkable Bay Area contribution.
Have you ever seen a weird bug or plant and thought, “Oh my God. What is THAT?” Then iNaturalist, a Bay Area invention, is the social platform for you. Begun as a graduate school project at UC Berkeley, it now receives hundreds of thousands of monthly submissions from nature enthusiasts across the globe. Users post photos of what they have seen and where they found it, and fellow citizen scientists, and often actual, scientists help identify the flora, fauna and habitat. Some iNaturalist aficionados have even identified new species. Now the site is going independent with the help of a $10 million grant. We’ll survey the past and future of this remarkable Bay Area contribution to our collective understanding of the world.
❓What's the strangest animal or plant you've seen in the wild?
https://www.kqed.org/forum/2010101894468/inaturalist-a-cultivator-of-community-and-collector-of-crucial-wildlife-data-goes-solo
https://en.wikipedia.org/wiki/Precision_and_recall
https://machinelearning.wtf/terms/harmonic-precision-recall-mean-f1-score/ https://en.wikipedia.org/wiki/Deep_learning
https://www.inaturalist.org/blog/84677-introducing-the-inaturalist-geomodel
https://www.inaturalist.org/posts/84723-a-new-computer-vision-model-v2-7-including-1-785-new-taxa
https://www.inaturalist.org/geo_model/113064/explain Geomodel Predictions of Squatina squatina Angelshark
The Geomodel makes predictions about where species occur and where they are absent. We use the Geomodel to apply the "Expected Nearby" label alongside suggestions and to weight these suggestions based on the location of the observation.
Like the Computer Vision Model, the Geomodel is trained on iNaturalist observations for the same set of species with roughly more than 100 photos. The Geomodel does not make perfect predictions. You can read more about how the Geomodel is made here.
This map shows the Taxon Range for this species overlapping the Expected Nearby Map that we use to evaluate the Geomodel.
This gridded version of the Taxon Range is a snapshot taken when the model was trained and gridded at the same resolution as the Expected Nearby Map. We only use the Taxon Ranges where at least 90% of the training data for that species falls within the Taxon Range to control for errors in the Taxon Ranges.
By combining the Expected Nearby Map to the Taxon Range, we calculate statistics to estimate how well the Geomodel perform
https://arxiv.org/abs/2306.02564
Estimating the geographical range of a species from sparse observations is a challenging and important geospatial prediction problem. Given a set of locations where a species has been observed, the goal is to build a model to predict whether the species is present or absent at any location. This problem has a long history in ecology, but traditional methods struggle to take advantage of emerging large-scale crowdsourced datasets which can include tens of millions of records for hundreds of thousands of species. In this work, we use Spatial Implicit Neural Representations (SINRs) to jointly estimate the geographical range of 47k species simultaneously. We find that our approach scales gracefully, making increasingly better predictions as we increase the number of species and the amount of data per species when training. To make this problem accessible to machine learning researchers, we provide four new benchmarks that measure different aspects of species range estimation and spatial representation learning. Using these benchmarks, we demonstrate that noisy and biased crowdsourced data can be combined with implicit neural representations to approximate expert-developed range maps for many species.
https://www.inaturalist.org/projects/identification-pointers-bookmarked-comments 2
https://www.inaturalist.org/projects/identification-comments-that-i-gone-and-done 1
https://www.inaturalist.org/projects/bird-identification-notes 2
https://www.inaturalist.org/projects/mammal-identification-notes 1
https://www.inaturalist.org/projects/herp-identification-notes 1
it doesn’t look like there’s an observation field that serves a similar purpose.
the benefit of projects and observation fields is that you can set them up in a way that any observation can be added to a project (unless the observer explicitly disallows this), and an observation field can be added to any observation (unless the observer explicitly disallows this). theoretically, if enough people collect helpful comments in a project, then you could go there as a one-stop-shop for helpful comments, and you can filter for any given taxon, place, etc.
Global ecoregion GIS delineations are publicly available courtesy of The Nature Conservancy. training the geomodel with ecoregions, at least as a test
https://tnc.maps.arcgis.com/home/item.html?id=7b7fb9d945544d41b3e7a91494c42930
https://www.zobodat.at/pdf/BZS_Saeugetiere_OOE_0001-0952.pdf
Kommentit
Lisää kommentti