Rad prezentovan na konferenciji ICME2024

Članovi projektnog tima, Vesna Šešum-Čavić i Slobodan Jelić, predstavili su svoj rad pod naslovom „Inteligentan metod za optimizaciju hiper-parametara u modelima dubokog učenja za procenu organskog ugljenika u zemljištu na osnovu spektroskopskih merenja“ na 2. Međunarodnoj konferenciji o matematičkom modeliranju u mehanici i inženjerstvu (ICME2024). Konferencija je održana od 12. do 14. septembra 2024. godine […]
Rad objavljen u prestižnom međunarodnom časopisu

Član našeg tima Marko Kazimirović je jedan od autora rada „Identifying drivers of non-stationary climate-growth relationships of European beech“ objavljenog u časopisu Science of the Total Environment, Volume 937, 10 August 2024, 173321. https://doi.org/10.1016/j.scitotenv.2024.173321
Rad prezentovan na konferenciji i objavljen u okviru knjige iz serije Lecture Notes in Computer Science

Član našeg tima Slobodan Jelić bio je koautor rada „VNS-Based Matheuristic Approach to Group Steiner Tree with Problem-Specific Node Release Strategy“ prezentovanog na konferenciji Metaheuristics International Conference (MIC 2024) 4-7 juna u Lorjenu, Francuska. Radovi sa ove konferencije objavljeni su u okviru serije knjiga Lecture Notes in Computer Science, vol 14753. https://doi.org/10.1007/978-3-031-62912-9_32
Rad prezentovan na konferenciji u Kragujevcu

Član našeg tima Ognjen Antonijević prezentovao je rad „COMPARING DIFFERENT APPROACHES FOR MODELLING SOIL PROPERTIES FROM NEAR INFRARED SPECTROSCOPY DATA.“ na konferenciji The Third Serbian International Conference on Applied Artificial Intelligence (SICAAI), održanoj 23. i 24. maja 2024. u Kragujevcu, Srbija
ForestCO2 na Poljoprivrednom sajmu u Novom Sadu

Rukovodilac projekta govorio o veštačkoj inteligenciji u poljoprivredi Na 91. Međunarodnom poljoprivrednom sajmu u Novom Sadu, održanom u maju 2024. godine, jedan od centralnih panela bio je posvećen temi „Veštačka inteligencija u poljoprivredi“. Učesnik panela bio je i Milan Kilibarda, rukovodilac projekta ForestCO2, koji je govorio o potencijalu AI tehnologija u unapređenju poljoprivrednih i ekoloških […]
ForestCO2 na Međunarodnom sajamu tehnike i tehničkih dostignuća

Podaci visine šumskog pokrivača za Srbiju proizvedeni za 2020. na osnovu rada Langa i koautora (2022). „Global canopy height regression and uncertainty estimation from GEDI LIDAR waveforms with deep ensembles.“ kombinuje GEDI LIDAR podatke i Sentinel-2 snimke koristeći napredne tehnike dubokog učenja (deep learning). Ovi podaci su ključni prediktor za procenu biomase i vezanog CO2 […]
Global map of tree canopy height

NEW DATASET ALERT! Do you need a 1-meter resolution global map of tree canopy heights? We gotchu. What is it?Meta and World Resources Institute has released a global map of tree canopy height at 1-meter resolution allowing for the possibility of detecting individual trees at a global scale. How was it made?Using AI models (i.e. […]
Using Artificial Intelligence to Map the Earth’s Forests

Today, Meta and World Resources Institute are launching a global map of tree canopy height at a 1-meter resolution, allowing the detection of single trees at a global scale. In an effort to advance open source forest monitoring, all canopy height data and artificial intelligence models are free and publicly available. Read more here.
MeteoEurope1km Evropa

Aleksandar Sekulić, Milan Kilibarda i Petar Bursać predstavili su MeteoEurope1km podatke na godišnjem EMS Annual Meeting konferenciji, Bratislava, Slovačka, 6. septembra 2023. MeteoEurope1km gridovani podaci pokrivaju područje Evrope u prostornoj rezoluciji od 1 km i vremenski period od 1991–2020. Prostorno-vremenski regresioni Kriging je korišćen za preciznu interpolaciju dnevnih temperatura (maksimalnih, minimalnih i srednjih), ukupnih padavina […]
Izlaganje rada na međunarodnoj konferenciji SYMOPIS 2023

Na 50. međunarodnom simpozijumu za operaciona istraživanja (SYM-OP-IS 2023), održanom na Tari od 18. do 21. septembra 2023. član istraživačkog tima projekta ForestCO2 dr Slobodan Jelić izložio je rad pod naslovom: A (log n)-approximation algorithm for node weighted prize collecting group steiner tree problem with bounded group size.Više detalja o samoj konferenciji možete da pronađete […]