Grant: Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives

Intégration et fusion de données à l’aide de l’apprentissage profond pour améliorer les estimations des espèces, de la biomasse et de la croissance pour l’optimisation de la chaîne de valeur forestière

Sustainable forest management requires high-quality information on tree species, biomass and growth rates. Currently, the ability to accurately map these attributes over forested landscapes accurately and in a cost-effective way is limited not by data, but by processing approaches to extract these attributes from very large, complex datasets acquired from a range of remote sensing platforms. This Project will apply deep learning algorithms to a wide range of remote sensing and other geographic data to predict these critical attributes. It will exploit the key benefits of each of the particular technologies, using algorithms currently not well investigated in a forestry context. The Project will develop a deep learning toolkit, available to forest companies, and academics, demonstrating the appropriate use and application of these new tools to extract these critical forest attributes.

La gestion durable des forêts nécessite des informations de haute qualité sur les espèces d’arbres, la biomasse et les taux de croissance. Actuellement, la capacité à cartographier avec précision et de manière rentable ces caractéristiques sur les paysages forestiers est limitée non pas par les données, mais par les approches de traitement pour extraire ces caractéristiques de très grands ensembles de données complexes acquis à partir d’une gamme de plateformes de télédétection. Ce projet appliquera des algorithmes d’apprentissage profond à un large éventail de données de télédétection et d’autres données géographiques afin de prédire ces caractéristiques essentielles. Il exploitera les principaux avantages de chacune des technologies particulières, en utilisant des algorithmes qui sont peu exploités dans un contexte forestier. Le projet développera une boîte à outils d’apprentissage profond, disponible pour les entreprises forestières et les universitaires, démontrant l’utilisation appropriée et l’application de ces nouveaux outils pour extraire ces caractéristiques forestières critiques.

In the short term, anticipated outcomes will be strengthened collaborations across industry, academia, and government to support research excellence. In the medium term, anticipated outcomes will be the development of new and potentially disruptive technologies with collaborators. In the long term, find collaborative solutions to public policy challenges and create stronger innovation systems.

À court terme, les résultats prévus seront des collaborations renforcées entre l'industrie, le milieu universitaire et le gouvernement pour soutenir l'excellence en recherche. À moyen terme, les résultats attendus seront le développement de nouvelles technologies potentiellement perturbatrices avec des collaborateurs. À long terme, trouver des solutions collaboratives aux défis des politiques publiques et créer des systèmes d'innovation plus solides.

Collaborate on multiparty research and development programs to catalyze transformative, high-risk, high-reward research with the potential for game-changing scientific discoveries and technological breakthroughs in priority areas.

Collaborer à des programmes multipartites de recherche-développement dans le but de profiter de la synergie entre la recherche transformatrice à haut risque et à haut rendement et le potentiel de découvertes scientifiques et de percées technologiques révolutionnaires dans des secteurs d’intervention prioritaires.