Fernerkundungsdaten diverser Satellitenmissionen der ESA und NASA, Luftbilddaten sowie Geodaten über den Zustand der Umwelt stehen zunehmend kostenfrei und in großem Umfang zur Verfügung. Gleichzeitig ermöglichen Texte, Fotos und Videos aus Social Media Plattformen wie Flickr, Twitter oder Open Street Map den Zugang zu weiteren Informationen über unsere Umwelt. Eine händische Auswertung der sich ergebenden riesigen Datenmengen wäre jedoch zu zeit- und arbeitsintensiv.

Das Deep Learning Kompetenzzentrum des DFKI und der Forschungsbereich Smarte Daten und Wissensdienste entwickeln bereits seit längerer Zeit KI-Verfahren zur Analyse von Luft- und Satellitenaufnahmen, die sowohl eine lokale Auswertung als auch deren globale Analyse ermöglichen sollen. In TreeSatAI wollen die Wissenschaftler neben CNNs (Convolutional Neural Networks) auch spezialisierte LSTM-Modelle (Long Short-Term Memory) aus dem Bereich Deep Learning einsetzen, um die zeitliche Entwicklung von Waldgebieten automatisiert auf einer großen Fläche zu ermöglichen und so Umwelt- und Waldexperten zu unterstützen. Eine der großen Herausforderungen hierbei ist die Beschaffung ausreichender, qualitativ hochwertiger Trainingsdaten zum Trainieren der Algorithmen sowie die Evaluation der sich ergebenden Modelle durch Experten aus dem Forst und Umweltbereich. Im Projekt werden daher die verschiedenen Kompetenzen der Projektpartner genutzt und miteinander kombiniert, um die zahlreichen Herausforderungen des ambitionierten Projektes meistern zu können.

Partner:

• TU Berlin: Geoinformation in der Umweltplanung (Konsortialführung)
• TU Berlin: Remote Sensing Image Analysis Group 
• LiveEO GmbH
• LUP GmbH
• Vision Impulse GmbH

Laufzeit: 
01.06.2020 – 31.05.2022

Förderkennzeichen:
BMBF 01IS20014D