Desenvolvimento de novas ferramentas para o compartilhamento e reúso de dados através de pesquisa transnacional sobre o impacto socioeconômico das áreas protegidas (PARSEC)

• Processo: 18/24017-3
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Vigência: 01 de junho de 2019 - 31 de maio de 2024
• Área do conhecimento: Interdisciplinar
• Convênio/Acordo: Belmont Forum
• Pesquisador responsável: Pedro Luiz Pizzigatti Corrêa
• Beneficiário: Pedro Luiz Pizzigatti Corrêa
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Pesquisadores associados: Alan James Peixoto Calheiros ; Ali Ben Abbes ; Danton Ferreira Vellenich ; Dr Alison Specht ; Jean Pierre Henry Balbaud Ometto ; Katia Maria Paschoaletto Micchi de Barros Ferraz ; Marina Jeaneth Machicao Justo ; Silvio Marchini ; Solange Maria Dos Santos
• Bolsa(s) vinculada(s): 22/14429-8 - Construção de novas ferramentas para compartilhamento e reutilização de dados através de uma investigação transnacional dos impactos socioeconômicos de áreas de conservação, BP.TT; 20/09680-8 - Construção de novas ferramentas para compartilhamento e reutilização de dados através de uma investigação transnacional dos impactos socioeconômicos de áreas de conservação, BP.TT; 20/03514-9 - Avaliação dos efeitos das áreas protegidas brasileiras nas comunidades locais com base no uso e reutilização de dados biológicos, ambientais e socioeconômicos, BP.PD
• Assunto(s): Ciência de dados e-Science Gestão de dados de pesquisa Compartilhamento de dados Reúso de dados Ciência ambiental Biodiversidade Áreas de conservação Colaboração científica
• Palavra(s)-Chave do Pesquisador: Biodiversity | Data Science | Environmental Science | e-science | social science | e-Science

Resumo

Os avanços científicos dependem da disponibilidade, da acessibilidade e da reutilização dos dados, software, amostras e produtos de dados. No entanto, grandes quantidades de dados sobre a Terra não são preservados. Esta proposta abordará essas questões, apoiando a colaboração de uma equipe de ciência de síntese e de uma equipe de ciência dos dados. Realizaremos um projeto de ciência de síntese transdisciplinar e transnacional em paralelo com um projeto sobre o uso e reuso de dados ambientais e socioeconômicos para avaliar as práticas de gerenciamento e preservação de dados. O projeto proporcionará uma oportunidade única para os cientistas de dados e os cientistas de síntese colaborarem com o objetivo de melhorar os resultados de pesquisa e o compartilhamento de dados. Nossa equipe de ciência de síntese tem experiência na manipulação de dados ambientais e socioeconômicos, modelagem e análise temporal e espacial. Em parceria com as equipes da França, do Brasil, dos Estados Unidos, do Japão, da Austrália e do Reino Unido, examinarão os efeitos socioeconômicos das áreas protegidas naturais (ou Unidades de Conservação) nas comunidades locais. As ferramentas e métricas resultantes permitirão uma melhor previsão e mitigação dos efeitos das ações que rompam com as práticas históricas de uso da terra que ameaçam as comunidades locais. Nossa equipe de ciência dos dados que envolve profissionais em gerenciamento de dados ambientais, comunidades de dados (RDA, ESIP), revistas de sociedade (AGU) e representantes de e-infrastructures para atribuição de dados (por exemplo, DataCite e ORCID), será responsável por desenvolver práticas para a citação, a atribuição, o crédito e a reutilização de dados. Com essas novas práticas, criaremos um kit de ferramentas e materiais de workshop para disseminação dessa temática por meio de reuniões presenciais e webinars internacionais. Além disso, uma ferramenta será criada para que os pesquisadores visualizem seus dados compartilhados, voltada para o uso e reuso de dados por meio de widgets e perfis online. Os resultados do projeto serão úteis para cerca de 300.000 pesquisadores que manipulam dados sobre a terra, o espaço e o ambiente em todo o mundo. O projeto também avançará o momento de mudança cultural no uso e reutilização de big data em pesquisas sobre problemas do mundo real. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

MACHICAO, J.; BEN ABBES, A.; MENEGUZZI, L.; CORREA, P. L. P.; SPECHT, A.; DAVID, R.; SUBSOL, G.; VELLENICH, D.; DEVILLERS, R.; STALL, S.; et al. Mitigation Strategies to Improve Reproducibility of Poverty Estimations From Remote Sensing Images Using Deep Learning. EARTH AND SPACE SCIENCE, v. 9, n. 8, p. 16-pg., 2022-08-01. (18/24017-3, 20/03514-9)

DALAGNOL, RICARDO; WAGNER, FABIEN H.; EMILIO, THAISE; STREHER, ANNIA S.; GALVAO, LENIO S.; OMETTO, JEAN P. H. B.; ARAGAO, LUIZ E. O. C.. Canopy palm cover across the Brazilian Amazon forests mapped with airborne LiDAR data and deep learning. REMOTE SENSING IN ECOLOGY AND CONSERVATION, v. 8, n. 5, p. 14-pg., 2022-07-22. (18/15001-6, 19/09248-1, 18/24017-3, 19/21662-8, 16/17652-9)