Übergeordnetes Ziel des Projektes ist die Entwicklung einer satellitengestützten Prozessierungskette für die operationelle und automatische Vegetationskartierung. Die Verfügbarkeit und Qualität von Satellitendaten für die angewandte Vegetationsbeobachtung ist in den letzten Jahren deutlich gestiegen (z.B. TerraSAR-X, Sentinel-1 und -2). Zukünftige Missionen (z.B. EnMAP) werden die Verfügbarkeit erweitern. Diese Datengrundlage hat hohes Potential für Anwendungen wie z.B. die Erfassung von invasiven Pflanzenarten, Pflanzenfunktionen oder das Biodiversität-Monitoring. Obwohl die steigende Verfügbarkeit von Satellitendaten das Potential von Fernerkundungsanwendungen stets erweitert, ist die Operationalisierung insbesondere durch zwei Faktoren wesentlich eingeschränkt. Erstens sind für die Validierungs- und Trainingsphase Referenzdaten in ausreichender Qualität und Quantität erforderlich. Die herkömmliche Erfassung von vegetationsbezogenen Referenzdaten ist mit hohem logistischem und finanziellem Aufwand verbunden und durch weitere Faktoren eingeschränkt. Zweitens steigen mit erhöhtem Datenvolumen von Erdbeobachtungsdaten die Anforderungen an Prozessorleistung und Speichervolumen. Das volle Potential von Erdbeobachtungsdaten kann somit auf lokalen Computern selten ausgenutzt werden. Entsprechend dieser Limitierungen zielt das vorgeschlagene Projekt darauf, die Referenzdatenerhebung für die satellitengestützte Fernerkundung durch den Transfer von zwei Schlüsseltechnologien aus dem Bereich der Robotik und der künstlichen Intelligenz zu automatisieren: Dabei sollen handelsübliche UAV (Unmanned Aerial Vehicle) mit RGB Sensorik mit Deep Learning-Algorithmen kombiniert werden, um eine automatische Kartierung der Zielmetrik (z.B. Biodiversität, Zielart) durchzuführen. Diese Kartengrundlage bildet die Referenz für eine automatische und satellitengestützte Kartierung auf Grundlage des Cloud-Computing (DIAS). Insgesamt soll damit eine operationelle und modulare Prozessierungskette geschaffen werden, die sowohl zwischen verschiedenen UAV und Satellitendaten als auch Anwendungen übertragbar ist.
Projektstart: August 2019 Laufzeit: 36 Monate
FKZ: 50EE1909C
Gefördert im Rahmen der „Entwicklung innovativer Methoden zur Erstellung erdbeobachtungsbasierter Informationsprodukte“ des DLR im Auftrag des BMWi.
Projektpartner:
- Karlsruhe Institut für Technologie (KIT)
- Institute für Geographie und Geoökologie (IFGG)
- LUP – Luftbild Umwelt Planung GmbH Potsdam
