Fernerkundungsdaten aus diversen Raumfahrtmissionen sowie Geodaten über den Zustand der Umwelt stehen zunehmend kostenfrei in immensem Umfang zur Verfügung. Gleichzeitig eröffnen Social Media Plattformen, wie Flickr, Twitter oder Open Street Map den Zugang zu weiteren textlichen oder bildlichen Informationen über die Umwelt. Die Beschaffung qualitativ und quantitativ hochwertiger Trainingsdaten zum Lernen der Algorithmen ist dennoch immernoch die größte Herausforderung, weshalb bislang viele KI-Erdbeobachtungsanwendungen scheitern oder nur oder nur sehr lokal eingegrenzt anwendbar sind.
Das übergeordnete Ziel von TreeSatAI ist daher die prototypische Entwicklung von KI-Methoden für das Monitoring von Wäldern und Baumbeständen auf lokaler, regionaler und globaler Skala. Auf Basis frei zugänglicher Geodaten verschiedener Quellen (Fernerkundung, Administration, Social Media, Mobile Apps, Monitoring-Bibliotheken, offene Bilddatenbanken) werden Prototypen für die Deep Learning basierte Extraktion und Klassifikation von Baum- und Bestandsmerkmalen für vier verschiedene Anwendungsfälle aus dem Bereich Forst-, Naturschutz- und Infrastrukturmonitoring entwickelt.
Partner
- TU Berlin: TU Geo
- TU Berlin: RSiM
- LiveEO GmbH
- LUP GmbH
- Vision Impulse GmbH
