We can't find the internet
Attempting to reconnect
Something went wrong!
Hang in there while we get back on track
DOSP-VHR-003340 | Verkenning van de Venusatmosfeer door machine learning en open science ter voorbereiding op EnVision - VAMOS
Details
- Business Unit
- DOSP-LCA
- Kennisgroep
- Art & Technology (Brussel)
- Beschrijving (Original)
- Beschrijving (Enhanced)
- België is betrokken bij planetaire ruimtemissies, zoals EnVision naar Venus. Ons doel is om gegevens over de atmosfeer van Venus te integreren, te modelleren en te delen met de wetenschappelijke gemeenschap en het grote publiek.
- Beschrijving (Cleaned)
-
België is de afgelopen decennia betrokken geweest bij verschillende planetaire ruimtemissies, met name naar Venus, verantwoordelijk voor of geassocieerd met instrumenten in de ruimte, of via observaties van de planeten vanaf de grond. Zo is het SOIR-instrument aan boord van de Venus Express ontworpen door het BIRA. Dankzij de in ons land ontwikkelde wetenschappelijke expertise werden dan ook verschillende reeksen gegevens over die opwindende planeet verkregen.
Maar nu bereiden we ook de toekomst voor, met het ontwerp van een nieuw instrument dat deel zal uitmaken van de volgende Europese missie naar Venus, EnVision. We zullen oude datareeksen opnieuw onderzoeken met nieuwe en verbeterde methoden, best practices en strategieën toepassen om te combineren en integreren gegevens over de atmosfeer van Venus, verkregen uit verschillende bronnen (instrumenten aan boord van satellieten, maar ook uit observaties op de grond), en algemene circulatiemodellen, om patronen, trends en klimatologieën te bestuderen.
We zullen data-integratiestrategieën toepassen die al door de atmosferische aarde worden gebruikt, evenals machine learning-toepassingen om verschillende datasets te harmoniseren en te combineren. Machine learning kan worden gebruikt om variaties in tijd en ruimte van variabelen (druk, temperatuur, concentratie van soorten...) te modelleren om het hoofd te bieden aan de onregelmatige dekking van de gegevens. De niet-stationaire aard van atmosferische processen zal in dat opzicht een uitdaging vormen. Machine learning kan ook vooroordelen verminderen en relevante patronen identificeren, zoals onbekende soortencorrelaties en clusters.
Een van de wetenschappelijke doelstellingen van de EnVision-missie is het detecteren van pluimen van atmosferische bestanddelen zoals waterdamp of zwavelhoudende gassen die vanaf het oppervlak worden uitgestoten. Om de observatiemogelijkheden van de instrumenten aan boord te beperken, zullen we de bestaande gegevens doorzoeken als dergelijke gebeurtenissen zich al hebben voorgedaan en proberen ze te karakteriseren (duur, omvang). We zullen ook correlaties onderzoeken tussen atmosferische gassen of tussen de pluimen en andere parameters zoals temperatuur, om observatiestrategieën voor de toekomstige missie voor te stellen.
Een belangrijk aspect van dit project is ervoor te zorgen dat de gegevens en hun interpretatie toegankelijk worden gemaakt voor de wetenschappelijke gemeenschap, maar ook worden gevaloriseerd en uitgelegd aan het grote publiek, scholen en universiteiten. Ons doel is om een breed scala aan doelgroepen en sectoren van de samenleving te betrekken die gewoonlijk niet geïnteresseerd zijn in of zelfs uitgesloten zijn van atmosfeerwetenschap. De definitieve resultaten zullen beschikbaar zijn voor de wetenschappelijke gemeenschap via verschillende FAIR Open Access-repositories: VESPA/Europlanet, PSA/ESA en de European Open Science Cloud. De gegevens zullen ook worden gepresenteerd als gebruiksvriendelijke atmosferische kaarten op hoog niveau die toegankelijker zijn voor het grote publiek (deze resultaten zullen gemakkelijk kunnen worden gebruikt door journalisten, opvoeders, enz.).
Daarnaast verkennen we nieuwe vormen van wetenschapscommunicatie door de interactie tussen wetenschappers en kunstenaars.
- Resultaatsbeschrijving
- Resultaatsbeschrijving (Cleaned)
- Start Datum
- 01-01-2023
- Eind Datum
- 31-12-2026
- Verification Status
- Not verified