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

This agreement has been amended 1 time(s). The total amended value is $228,250 and the end date of this agreements has been modified by 381 days

Cet accord a été modifié 1 fois. La valeur totale des modifications est de $228,250. La date de fin du présent accord a été changé de  381 jours.

Création de modèles prévisionnels et d’outils de surveillance concernant l’incidence des conditions ambiantes sur l’industrie des produits de la mer par l’analyse de volumineux jeux de données géospatiales et historiques

Canada has a thriving seafood industry. Via the Canadian Shellfish Sanitation Program (CSSP), data has been accumulated over the past 40 years, across the six coastal provinces, on 14,710 shellfish harvesting sites. This data includes information on fecal coliform bacteria and marine bio toxins that cause shellfish poisonings. This Project involves a collaboration between NRC and the University of Victoria to analyze historical CSSP data using machine learning and artificial intelligence approaches to extract valuable knowledge. The Project aims to apply digital technologies to explore historical patterns and build prediction models of future contamination levels. The goal is to provide protective prediction and strategic monitoring of the shellfish industry to (a) help assess the environmental impact caused by municipal construction projects, climate change, and other human activities, and (b) to generate a toolkit for visualizing historical and geospatial contamination patterns while predicting future contamination levels across Canada.

L’industrie des produits de la mer se porte bien au Canada. Grâce au Programme canadien de contrôle de la salubrité des mollusques (PCCSM), on recueille des données sur 14 710 sites de récolte dans les six provinces côtières depuis une quarantaine d’années. Ces données nous renseignent sur la concentration de coliformes fécaux et des biotoxines marines à l’origine des intoxications causées par la consommation de mollusques et de crustacés. Le projet, auquel collaboreront le CNRC et l’Université de Victoria, analysera les données historiques du PCCSM par apprentissage automatique et intelligence artificielle afin d’en extraire des connaissances précieuses. On recourra notamment aux technologies numériques pour explorer les tendances historiques et bâtir des modèles qui prévoiront le degré de contamination à l’avenir. On pourra donc surveiller de façon stratégique l’industrie des produits de la mer et formuler des prévisions en vue de la protéger en (a) évaluant l’impact environnemental des projets de construction municipaux, du changement climatique et de diverses activités humaines et (b) en produisant une trousse d’outils avec lesquels on visualisera les tendances historiques et géospatiales sur le plan de la contamination, tout en prévoyant le futur taux de contamination à différents endroits, au pays.

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.