PID2025-168427NB-C21

Ministerio de Ciencia, Innovación e Universidades. Convocatoria 2025 Generación de Conocimiento. Cofinanciado UE

119.875 Euros

13

1-set-2026 ao 28-feb-2029

Os datos ambientais xéranse principalmente mediante a observación e a modelaxe para estimar os estados pasado, presente e futuro de variables de interese. Os metadatos relativos á procedencia e ao contexto rexístranse xunto coas medicións, sendo a información espacial e temporal esencial para a súa interpretación. As estimacións derívanse de mostraxes que abranguen dimensións xeoespaciais, verticais e temporais. A extensión dos fenómenos e as resolucións empregadas determinan o volume de datos producidos, un volume que segue a medrar de xeito constante grazas aos avances na observación da Terra e á evolución das infraestruturas de almacenamento e procesamento.
Máis aló do mero volume, os datos ambientais presentan unha variabilidade significativa en canto a formatos e semántica, froito de diversas estratexias de mostraxe e resultados de modelos. Os conxuntos de datos poden adoptar diversas formas, como series temporais baseadas en estacións, perfís verticais, transectos, traxectorias de plataformas móbiles, grellas estáticas de teledetección e grellas multidimensionais (2D, 3D, 4D) xeradas por modelos.
A aplicación de análises descritivas e avanzadas a este panorama de datos diverso presenta desafíos clave: harmonizar vocabularios, unidades, ontoloxías e referencias xeodésicas para lograr a interoperabilidade; definir mecanismos de almacenamento e indexación capaces de xestionar estruturas multirresolución e dimensións mixtas (densas e dispersas); implementar interfaces e servizos para a exploración de baixa latencia, a navegación multiescala e a agregación progresiva; e adaptar métodos de aprendizaxe —en particular, a aprendizaxe profunda (*deep learning*)— a datos heteroxéneos en formato, semántica e resolución, ao tempo que se xestionan as lagoas, o ruído, a incerteza e os desaxustes espaciotemporais. A partir desta avaliación, defínense os obxectivos do proxecto en catro liñas de acción principais:
- Desenvolver métodos e modelos que integren datos e metadatos heteroxéneos nun marco semántico común, empregando grafos e algoritmos de razoamento escalables para permitir consultas expresivas, inferencias e aliñamento automático.
- Desenvolver estruturas de datos compactas para o almacenamento e a consulta eficientes de datos ambientais en múltiples niveis de detalle. Estas estruturas aproveitarán as regularidades e redundancias dos datos presentes nas diferentes resolucións.
- Desenvolver estruturas de datos espaciais, temporais e estatísticas multidimensionais e multirresolución para facilitar a exploración interactiva de datos ambientais, que poden presentar tanto dimensións densas coma dispersas. O obxectivo é acadar un acceso aos datos de baixa latencia durante a navegación multirresolución e a agregación progresiva. Redeseñar as estruturas de datos utilizando representacións compactas para mellorar o rendemento tanto en termos de espazo de almacenamento coma de tempo de resposta.
- Desenvolver estratexias de adestramento eficientes para modelos de aprendizaxe profunda aplicados a datos ambientais heteroxéneos caracterizados por dimensións densas e dispersas. Crear arquitecturas multimodais que combinen diferentes tipos de modelos para abordar tarefas que integren diversos tipos de datos e configuracións multirresolución. Implementar modelos capaces de utilizar directamente datos de entrada representados mediante estruturas compactas e de representar os seus propios pesos empregando tamén estruturas compactas.