Prosjekt

Godt inneklima på skolen er viktig for helse og trivsel hos elever og ansatte, og har vesentlig påvirkning på elevenes læringsutbytte.

Godt vedlikehold av bygg og drift av de tekniske anleggene er viktig for å få et godt inneklima, men i tillegg er det avgjørende at ansatte og elever bruker skolebyggene riktig og involveres i praktisk inneklimaarbeid på skolenivå. Dette krever at ansatte og elever er bevisst på og har kunnskap om hvordan deres adferd påvirker inneklima, samt hvordan den enkelte kan bidra for å ivareta et så godt inneklima på skolen som mulig.

Data fra inneklimasensorer, kombinert med informasjon om hvordan ansatte og elever opplever inneklima og relaterte helseplager, kan gi nye muligheter for både å identifisere inneklimaproblemer, finne årsak og identifisere riktige tiltak, og til å lage nye verktøy som engasjerer og involverer brukerne av skolebyggene.

Dagens skoler er utstyrt i stor grad med sensorsystemer for inneklima, men det finnes ingen verktøy for å samle inn data om brukeropplevelser. Data fra integrerte sensorer er i liten grad tilgjengelig for skolen. Informasjon om sammenhenger mellom sensordata og opplevelser mangler i dag.

DIGG-MIN-SKOLE skal kombinere data fra sensorer som er en integrert del av skolens tekniske anlegg og/eller enkeltstående inneklimasensorer med egen-innhentede data knyttet til brukeropplevelse.

Dataene skal benyttes til å utvikle en maskinlæringsmodell som kan anslå sannsynligheten for at brukerne vil oppleve nedsatt trivsel/helseplager, hvilke faktorer i inneklimaet som mest sannsynlig er årsaken til helseplagene (temperatur, lysforhold, støy, CO2 m.m) og identifisere målrettede avbøtende tiltak på skole/klasseromsnivå.

Enhetsledere, ansatte og elever skal medvirke til utformingen av (del)verktøy slik at resultatene fra maskinlæringsmodellen blir egnet for bruk i skolens hverdag.

Sluttresultatet blir en teknisk spesifikasjon og demonstrasjon av et bruker-orientert forvaltningssystem (BOF) på flere skoler.

Prosjekt

Prosjektet er en videreføring av SEN4POL fase 1 og skal undersøke muligheter for å bruke satellittdata for å kartlegge og varsle forekomst av bjørkepollen i Norge.

Prosjektet utnytter dataene som fremskaffes av Sentinel-2 og Sentinel-3-plattformene, som drives av det europeiske Copernicus-programmet, til å gi mer romlig detaljert informasjon om vegetasjonsstatus og overflateegenskaper.

Denne informasjonen brukes til å utarbeide forbedrede prognoser på oppstart av bjørkepollensesongen. Vi bruker primært Ocean and Land Color Instrument (OLCI) og Sea and Land Surface Temperature Radiometer (SLSTR) på Sentinel-3 og Multi Spectral Instrument (MSI) ombord på Sentinel-2-plattformen.

Det langsiktige målet med prosjektet er å utvikle en automatisert pollentjeneste som kan driftes og brukes internt av Norges Astma og Allergiforbund (NAAF) for å støtte arbeidet med å utføre det statlige mandatet organisasjonen har om å levere pollenprognoser til offentligheten.

Prosjektet er et samarbeid mellom NILU, Norsk Regnesentral og Norges Astma og Allergiforbund (NAAF).