Skip to Main Content (Press Enter)

Logo UNIRC
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Professioni
  • Persone
  • Pubblicazioni
  • Strutture
  • Attività
  • Competenze

UNI-FIND
Logo UNIRC

|

UNI-FIND

unirc.it
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Professioni
  • Persone
  • Pubblicazioni
  • Strutture
  • Attività
  • Competenze
  1. Attività

An effective monitoring framework for biodiversity conservation that combines ECOacoustics with Artificial Intelligence and satellite Data transmission and elaboration

Progetto
La perdita globale di biodiversità rappresenta una delle sfide più urgenti del nostro tempo, e richiede lo sviluppo rapido di protocolli di conservazione efficaci per proteggere, preservare e ripristinare la salute e l’integrità degli ecosistemi naturali. In Italia esistono diverse categorie e livelli di aree protette, ma molte di esse faticano a raggiungere gli obiettivi richiesti in termini di conservazione della natura. Uno degli ostacoli principali che impedisce l’adeguata attuazione dei protocolli di conservazione è la mancanza di un sistema di monitoraggio efficace, capace di garantire metodi rapidi, accurati ed efficienti per la realizzazione di indagini ambientali sistematiche. È quindi urgente disporre di strumenti in grado di valutare in modo rapido la diversità faunistica e la dinamica delle popolazioni su larga scala e con alta risoluzione spazio-temporale, dal singolo individuo alle densità globali. L’obiettivo di questo progetto è affrontare questa criticità sviluppando un framework scalabile per la gestione e il monitoraggio diffuso e a lungo termine di aree naturali remote di rilevanza biologica. L’approccio proposto si baserà su una rete distribuita di sensori intelligenti in grado di raccogliere e analizzare in modo continuo i segnali ambientali più rilevanti. I nodi di rilevamento saranno dotati di sensori generici (ad esempio di temperatura, umidità, radiazione solare, ecc.) e di microfoni ad alta sensibilità, utilizzati per monitorare i suoni ambientali attraverso analisi ecoacustica. Il sistema sfrutterà tecniche avanzate di elaborazione del segnale, basate sui più recenti progressi nel campo dell’intelligenza artificiale e del deep learning, per rilevare e analizzare automaticamente le informazioni di interesse in tempo reale. Un riepilogo compresso delle informazioni rilevanti verrà poi trasmesso alla stazione operativa centrale tramite comunicazione satellitare, per ulteriori analisi e elaborazione. Questo framework permetterà il monitoraggio continuo e sistematico di ambienti remoti, sia durante operazioni generiche di rilevamento che in presenza di eventi specifici che possono richiedere l’attivazione di allarmi. L’approccio di ricerca sarà altamente interdisciplinare e si baserà sui recenti progressi nei campi dell’ecoacustica, dell’apprendimento automatico e delle telecomunicazioni satellitari, al fine di raccogliere, analizzare e trasmettere dati in modo efficace; allo stesso tempo, contribuirà ad ampliare i confini della ricerca e della tecnologia sviluppando soluzioni innovative appositamente progettate per il monitoraggio della biodiversità. Nella fase finale del progetto sarà inoltre prodotto un prototipo funzionante del sistema, che verrà installato e validato in aree selezionate di interesse e messo a disposizione delle istituzioni partner operanti nel campo della tutela della natura, per ulteriori test e sviluppi.
  • Dati Generali
  • Ricerca

Dati Generali

Partecipanti

MOLINARO Antonella   Responsabile scientifico  

Referenti

LONETTO Laura   Amministrativo  

Dipartimenti coinvolti

Dipartimento di Ingegneria dell'Informazione, delle Infrastrutture e dell'Energia Sostenibile   Principale  

Tipo

PRIN 2022 PNRR

Finanziatore (2)

European Commission
Ente Finanziatore
Ministero dell'Università e della Ricerca
Ente Finanziatore

Capofila

Università degli Studi di PADOVA

Partner (2)

Università degli Studi di PAVIA
Università degli Studi di REGGIO CALABRIA

Periodo di attività

Novembre 30, 2023 - Novembre 29, 2025

Durata progetto

24 mesi

Ricerca

Settori (4)


LS8_2 - Biodiversity - (2024)

PE6_11 - Machine learning, statistical data processing and applications using signal processing (e.g. speech, image, video) - (2024)

PE7_8 - Networks, e.g. communication networks and nodes, Internet of Things, sensor networks, networks of robots - (2024)

Settore IINF-03/A - Telecomunicazioni

Parole chiave libere (4)

  • ascendente
  • decrescente
biodiversità
comunicazioni satellitari
ecoacustica
machine learning
No Results Found
  • «
  • ‹
  • {pageNumber}
  • ›
  • »
{startItem} - {endItem} di {itemsNumber}
  • Utilizzo dei cookie

Realizzato con VIVO | Designed by Cineca | 25.9.0.0