GIN-NCG Scriptieprijs Genomineerden 2023

De zoektocht naar de beste scriptie is in het leven geroepen om nieuw talent te ontdekken en om een volgende generatie aan het geodomein te binden. Met deze prijs komen net afgestudeerden in de picture te staan. Ook dit jaar heeft het NCG-GIN veel inzendingen voor de prijs mogen ontvangen. Namens de NCG-GIN juryleden willen wij iedereen (studenten, opleidingscoördinatoren en docenten) daarvoor heel erg bedanken.

Op 16 oktober hebben de juryleden bepaald welke scriptie genomineerd zijn voor de bachelor-prijs en de master-prijs. Daarvoor hebben zij de scriptie beoordeeld, onafhankelijk van elkaar en op basis van vastgestelde bachelor- en master-beoordelingscriteria. Tijdens de vergadering op 16 oktober werd algemeen erkend door alle juryleden dat alle scripties ook dit jaar weer van hoog (wetenschappelijk) niveau zijn. De genomineerden lagen qua eindscores dan ook dicht bij elkaar. De juryleden feliciteren alvast alle genomineerden. Wie de winnaar ook wordt per categorie: jullie mogen ontzettend trots zijn op je eigen prestatie en nominatie! De winnaars worden bekendgemaakt op het GIN-symposium op 22 november op het GeoFort.

De genomineerden voor de GIN-NCG Scriptieprijs 2023 presenteren we hier in willekeurige volgorde:

Variation in MBES obtained rock level as a result of user-adjustable parameters

Door: Louis Stuurman

Deze scriptie is genomineerd vanwege de sterke inhoud en de maatschappelijke relevantie. Het onderzoek leert ons hoe belangrijk het is om de beschermingsstructuren
langs onze grote waterwegen nauwkeurig in kaart te brengen. Die beschermingsstructuren maken gebruik van rotsen en gesteente. De scriptie heeft tot doel om het effect van verschillende factoren te onderzoeken op het gebied van onder andere multibeam echolood opties.

3D Wrak-visualisatie in de waterbodem van het IJ

Door: Laurens van der Marel

Deze scriptie is genomineerd vanwege de gedegen probleemafbakening van het onderzoek in combinatie met het historische uitgangspunt. Het onderzoek gaat in op de vraag: in hoeverre is het mogelijk om met data uit verschillende 2D-parametrische sub-bottom profilers (dit zijn akoestische onderzoekstechnieken waarmee de waterbodem in kaart wordt gebracht), raaien en houten wrakken van oude zeilschepen in 3D op beeld te krijgen?

SMART inwinnen van data in de openbare ruimte

Door: Rik de Hoop en Mats van der Burg

Deze scriptie is genomineerd vanwege de uitgebreide aandacht voor de onderzoeksmethode en de uitwerking daarvan. Het onderzoek beantwoordt de vraag in hoeverre het mogelijk is om een kwaliteitscontrole over de activiteiten binnen het REV (Register Externe Veiligheidsrisico’s) efficiënter te maken en te optimaliseren. Daarbij is gebruikgemaakt van een AI-detectiemodel.

From Trash to Digital Treasure: Urban Digital Twining for solid waste management

Door: Iván Leonardo Cárdenas León

Deze scriptie is genomineerd vanwege de duidelijke probleemafbakening, maar ook omdat de scriptie laat zien hoe groot het probleem eigenlijk is. Daarbij spelen meerdere dingen mee, waaronder gedrag, vooroordelen en uiteenlopende stakeholders. Het onderzoek verkent de huidige afval-inzamelmethoden, en ontwerpt een nieuw prototype voor een afvalmanagementsysteem gebaseerd op een Digital Twin.

Merging of Topometric Maps of Indoor Environments: Extraction, matching and fusion

Door: Max van Schendel

Deze scriptie is genomineerd vanwege de uitgebreide methodebeschrijving en analytische onderbouwingen. Het onderzoek gaat terug naar de kern van geodata. Het demonstreert een intuïtieve benadering voor het extraheren van topometrische 3D-kaarten met meerdere verdiepingen. Daarbij worden zowel topologische als geometrische kenmerken gebruikt om contextbewuste kaartmatching uit te voeren.

Potato virus Y detection in seed potatoes using UAV-based multi-sensor data

Door: Ellis van de Laak

Deze scriptie is genomineerd vanwege de sterke maatschappelijke relevantie van het onderzoek en de heldere probleemafbakening. Het doel is het beoordelen en begrijpen van de synergetische kracht van UAV-gebaseerde multi-sensorgegevens, om een infectie in aardappelen nauwkeurig te kunnen opsporen. Daarbij is er gekozen voor een machine learning-aanpak, om inzicht te krijgen in de mogelijkheid van geautomatiseerde detectie.