Hoe is de natuur in de Omgevingswet verankerd?
SoortenNL wilde met dit webinar natuurbeschermingsorganisaties, ecologen, beleidsmakers, adviesbureaus en overige natuurprofessionals concrete handvatten aanreiken die het makkelijker maken om binnen de nieuwe Omgevingswet onze kwetsbare natuur te beschermen.
De sprekers
Onlangs verscheen het handboek 'Natuur in de omgevingswet'. Twee medeauteurs, Luuk Boerema (zelfstandig juridisch adviseur) en Fleur Onrust (advocaat en rechter-plaatsvervanger bij de rechtbank Overijssel op het gebied van omgevingsrecht), werkten mee aan dit webinar. De andere experts zijn adviseur natuurbeschermingsrecht Sander Hunink en projectleider bij de Zoogdiervereniging Glenn Lelieveld. Samen vertellen ze hoe de Omgevingswet in elkaar zit en wat de effecten zijn voor de mensen die met natuur en wetgeving te maken hebben.
Programma
De sprekers behandelden de volgende vragen:
Hoe is de natuur in de Omgevingswet verankerd? (Fleur Onrust).
Wat kunnen we met de zorgplichten voor natuur en wat is het verschil met het verleden toen de zorgplicht ook in de Wet Natuurbescherming stond? (Luuk Boerema).
Hoe zijn de regels binnen de Omgevingswet door de provincies uitgewerkt en wat betekent dit in de praktijk? (Sander Hunink).
Wat is de betekenis van de Omgevingswet voor personen en organisaties die met onderzoek naar en bescherming van soorten werken? (Glenn Lelieveld).
Particuliere natuur
Eelde Poko
Drenthe
Ooibossen
Mooie Vogelwoorden van Toine Andernach
NatuurLezingen Delft
https://www.trouw.nl/duurzaamheid-economie/ict-er-arjan-de-vries-kocht-een-uniek-natuurgebied-op-marktplaats-dit-bos-is-van-de-dieren~b8eae21b/
https://www.youtube.com/watch?v=jivabZmgy10&list=PL4d-w5KrJjTZZxEb0XKIKLLkZbdWK5iJn
https://grauwekiekendief.nl/wp-content/uploads/2024/03/Rapport-Akkervogels-in-Groningen-in-2023.pdf
https://arxiv.org/abs/2403.06874 High-performing out-of-distribution (OOD) detection, both anomaly and novel class, is an important prerequisite for the practical use of classification models. In this paper, we focus on the species recognition task in images concerned with large databases, a large number of fine-grained hierarchical classes, severe class imbalance, and varying image quality. We propose a framework for combining individual OOD measures into one combined OOD (COOD) measure using a supervised model. The individual measures are several existing state-of-the-art measures and several novel OOD measures developed with novel class detection and hierarchical class structure in mind. COOD was extensively evaluated on three la
https://arxiv.org/abs/2403.06874 High-performing out-of-distribution (OOD) detection, both anomaly and novel class, is an important prerequisite for the practical use of classification models. In this paper, we focus on the species recognition task in images concerned with large databases, a large number of fine-grained hierarchical classes, severe class imbalance, and varying image quality. We propose a framework for combining individual OOD measures into one combined OOD (COOD) measure using a supervised model. The individual measures are several existing state-of-the-art measures and several novel OOD measures developed with novel class detection and hierarchical class structure in mind. COOD was extensively evaluated on three la
Hoogleraar Biomedical Imaging Wiro Niessen zal vertellen over de laatste ontwikkelingen op het gebied van het analyseren van grote hoeveelheden brain imaging en genetische data met de nieuwste beeldanalyse en machine learning methoden voor het vroegtijdig detecteren en voorspellen van van verloop van ziektes zoals de ziekte van Alzheimer. Maar als we nu al kunnen voorspellen dat je over tien jaar Alzheimer zult krijgen, zou je dat eigenlijk wel willen weten? Gratis toegang en voor een broodje wordt gezorgd. De voertaal is Nederlands.
ImageNet
Keynote presentation by Wiro Niessen, professor at Erasmus MC, Rotterdam and Delft University of Technology, Founder & Scientific Lead at Quantib, the Netherlands. His talk is entitled "AI for the interpretation of biomedical imaging and genetic data: opportunities and challenges to translate to clinical practice". Our apologies for the technical difficulties in the streaming process.
Andre H ahospers@gmail.com
di 3 nov 2020, 21:50
aan Marcel
Op dit moment is Inaturalist al weer bezig met de zesde versie van het Computer Kijk (Computer Vision) model
waarbij in September 2020 18 miljoen fotos apart gezet zijn waarme zo'n 35.000 soorten wereld wijd herkend kunnen worden.
De aanpak is het zelfde als voor model 5 alleen met veel meer fotos omdat er nu veel meer soorten in iNaturalist
2000 fotos heeft. In het verleden werden wel meer dan 2000 fotos per soort gebruikt maar de extra rekenkracht weegt niet op tegen het succes.
In totaal zal het doorrekenen van het model 210 dagen kosten en in het voorjaar van 2021 klaar zijn.
Naast het doorrekenen van hetzelfde model met meer fotos en meer soorten wordt tgelijkertijd het huidige systeem vergeleken
met "TensorFlow 2, Xception vs Inception" wat waarschijnlijk ditzelfde model niet in 210 dagen maar in 60 dagen doorrekend.
Als dit nieuwe TensorFlow 2, Xception vs Inception goed werkt dan wordt het zelfs nog winter 2021 een nieuwe model opgeleverd.
Om dit door rekenen was een nieuwe hardware besteld maar door COVID is dit nog niet geinstalleerd.
In het huidige model zijn 25.000 van de 300.000 soorten die waargenomen zijn in iNaturalist.
https://www.inaturalist.org/blog/42626-we-passed-300-000-species-observed-on-inaturalist#comments
Hoe wordt nu bepaald of een soort opgenomen wordt in het model ?
Als van een soort 100 waarnemingen met foto waarvan er minsten 50 een Research Grade community ID heeft wordt opgenomen in de training. (actually, that’s really verifiable + would-be-verifiable-if-not-captive, In het model worden ook ontsnapte en gekweekte soorten opgenomen). Voor de training wordt dus niet alleen en uitsluitend Research Grade fotos gebruikt.
Globaal waren de oude versies:
May 2017 Model 0.1
Aug 2017 Model 0.2
Jan 2018 Model 0.3
Feb 2019 Model 0.4
Sep 2019 Model 0.5
Mar 2020 Model 0.6
Training
Training Set 1
In deze groep zitten geidentificeerde met
- De waarneming heeft een Taxon of een Genus, Familie toegewezen
- De waarneming heeft geen flags
- De waarneming heeft alle quality metrics gehaald behalv
-
https://natuurwetenschappen-diligentia.nl/lezingen/
2024-01-15 Prof.dr. E. (Else) Starkenburg - Galactische archeologie: het verleden van onze Melkweg
Comentarios
Añade un comentario