Unsere heimischen Gewässer Vom Harz über die Mecklenburger Seenplatte
Unsere heimischen Gewässer: Vom Harz über die Mecklenburger Seenplatte und die Elbe bis zur Nordsee finden sich die vielleicht geheimnisvollsten Biotope in ganz Deutschland ... Der zweite Teil folgt noch einmal der Kraft des Wassers. Die Reise von den Mittelgebirgen bis an die Nordsee gibt ungewöhnliche Einblicke in Deutschlands Unterwasserwelt.
Deutschlands Unterwasserwelt ist der vielleicht geheimnisvollste Lebensraum unserer Heimat. Mit ihrer Vielfalt an Tier und Pflanzenarten und dem erstaunlichen Zusammenspiel von Myriaden von Mikroorganismen ergeben sich interessante und faszinierende Lebensgemeinschaften. Die unbändige Kraft des Wassers beeinflusst dabei das Leben und formt immer wieder neue Landschaften. In Flüssen wie der Elbe sind die großen Wanderfische Lachs und Stör längst wieder heimisch und beginnen die gefährliche Reise zu ihren angestammten Laichplätzen, vorbei an Hindernissen wie Wehren und Staustufen, die ihren Weg einst abschnitten und die heute durch den Einsatz von Naturschützern wieder passierbar gemacht werden. Die Dokumentation begleitet sie auf ihrer Wanderung die Elbe hinab an Hambur
Deutschlands Binnengewässer, unsere Flüsse, Bäche und Seen sind ein farbenprächtiges und teilweise noch kaum entdecktes Refugium unserer Natur. Die Reise des Wassers, die dem Jahreslauf folgt, beginnt in den Alpen, wo sich ein Eisbach seinen Weg ins Tal bahnt. Hier liegt der Königssee, einer der berühmtesten und tiefsten Gewässer Deutschlands mit einem einzigartigen Lebensraum.
Deutschlands Binnengewässer, unsere Flüsse, Bäche und Seen sind ein farbenprächtiges und teilweise kaum entdecktes Refugium unserer Natur. Kaum ein Gewässer gleicht dabei dem anderen. Verborgen liegt dort eine oft bizarre und fremde Welt: Vom Mikrokosmos millionenfach tanzender Kleinstorganismen, über exotische Fremdeinwanderer bis hin zu den Giganten der Tiefe – Stör und Waller gehören zu den größten Süßwasserfischen der Erde. Eine außergewöhnliche Expedition führt den Zuschauer von den schneebedeckten Gipfeln und Gletschern der Alpen über den Königs- und Bodensee, durch die artenreiche Wutachschlucht im Schwarzwald und in die Höhlen der Schwäbischen Alb bis zu den Altrheinauen, Deutschlands Amazonas. Die Filmemacher zeigen das vielleicht farbenprächtigste Bild von Deutschlands heimischer Natur, mit Sicherheit aber das unbekannteste: unsere heimischen Wasserwelten.
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
Britain's Rarest Habitat: Temperate Rainforest - Melissa Worthington (Anning Lectures)
MERLIN webinar #20: How does agriculture affect river ecology?
https://www.youtube.com/@PlayingwithSticks
the 2021 Meerkat Trailer, the stand up camper that fits in a garage. At only 9
SMV is van bouwjaar 1960
SMV, zweedse wintercaravan..
https://www.bugpuck.be/nl/eriba-caravans/eriba-puck.htm
Eriba Puck met vloerverwarming al in 60-er jaren!
https://www.bugpuck.be/nl/eriba-caravans/eriba-puck.htm
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
Comments
Add a Comment