FORSCHUNG — 153 Das ESA CCI Biomass-Projekt zielt darauf ab, hochauflösende globale Karten der oberirdischen Biomasse zu erstellen. Die Professur koordiniert die internationalen Change Workshops. Im EEBIOMASS Projekt wird die Datennutzung des neuen ESA BIOMASS Satelliten vorbereitet. Die Professur für Fernerkundung übernimmt den Webauftritt der Vorbereitungsworkshops. Das EO College ist zentraler Knotenpunkt für die weltweite Fernerkundungsausbildung und wurde jüngst um die ESA Training Academy erweitert. Hier ist EO College über das Projekt EOTEC DevNET federführend an internationalen Bildungsprogrammen (wie CEOS CapD) beteiligt, die gezielt auf transnationale Herausforderungen, insbesondere die UN Nachhaltigkeitsziele, ausgerichtet sind. Im ZEISS-Werkstatt-Projekt PixelMachine werden mithilfe maschineller Lernverfahren Methoden zur Abschätzung von Höhe und vertikaler Struktur von Waldgebieten entworfen. Flächendeckendes Wissen über die Waldstruktur wird für diverse Anwendungsfällen benötigt, von Kohlenstoffspeicher– bis zu Inventurschätzungen. Mit zunehmender Datenmassen von Erdbeobachtungssatelliten helfen Neuronale Netze Einsicht in die hohe Dimensionalität der Daten zu erlangen und deren Muster für Kartierungen zu nutzen. Vor dem Hintergrund weit verbreiteter Landdegradation in Südafrika erreichte das BMBF-Projekt SALDi (Koordination: PD Dr. Jussi Baade, Physische Geographie) folgende Ziele: 1) Entwicklung eines Dauerbeobachtungssystems für Ökosystemveränderungen und -degradation mittels optischer und Radarsatellitenfernerkundung; 2) Modellierung der Wechselwirkungen von Oberflächenänderungen, Witterung und Klima; 3) Verbesserung der Verfahren zur Bewertung von Bodendegradierung, insb. der Bodenerosion durch Wasser; 4) Berücksichtigung der sozioökonomischen Dimensionen und Auswirkungen von Landdegradation. Zum Abschluss steht nun die Entwicklung maschineller Lernverfahren zur Modellierung und Kartierung der Vegetationsstruktur in Savannenökosystemen mit unterschiedlichsten Eingangsdaten (Abb. 4) und verschiedenen geometrischen Maßstäben für die Anwendung in südafrikanischen Nationalparks. Dauerbeobachtungsstationen zu lokalen Bodenfeuchte und Temperaturmessungen wurden eingerichtet, die die Validierung der Erdbeobachtungsprodukte unterstützten. Data Cubes und Python Jupyter Notebooks werden erfolgreich in der studentischen Ausbildung eingesetzt. Im EU-Forschungsprojekt environMENTAL werden Zusammenhänge zwischen Umwelteinflüssen und mentaler Gesundheit erforscht. Forschungsraum ist Europa sowie China. Die erstellten Geodaten dienen als Werkzeug für die Darstellung der Umgebung von Teilnehmenden verschiedener medizinischer Studien. Es wird ein räumlicher Bezug zu den Umweltdaten hergestellt und diese mit den Gesundheits-daten statistisch ausgewertet und in Zusammenhang gebracht. KI4KI — Infrastrukturmonitoring mit künstlicher Intelligenz: BMWi-Projekt zur Umsetzung der persistenten Scatterer-Interferometrie (PSI) in ein Überwachungssystem zur regelmäßigen Beobachtung von Großinfrastrukturen und zur Identifizierung der Treiber von Bewegungen und Bewegungsvorhersage im Fall von Extremwetterereignissen durch KI. Abb. 4. Kruger National Park mit GEDI LiDAR (links) und Sentinel-1 Radar Abdeckung (rechts). Bild: AG Schmullius Übergreifende Aktivitäten der AG Fernerkundung Abb. 3. Schema der Pixel Machine Methode. Bild: AG Schmullius
RkJQdWJsaXNoZXIy OTI3Njg=