UAVforSAT - Operationalisierung von Vegetationskartierungen durch Referenzdatenerhebung per UAV und cloudbasierte Analyse von Erdbeobachtungsdaten

  • Ansprechperson:

    Teja Kattenborn

  • Förderung:

    DLR/ BMWi

  • Starttermin:

    08/2019

  • Endtermin:

    07/2022

UAVforSAT - Operationalisierung von Vegetationskartierungen durch Referenzdatenerhebung per UAV und cloudbasierte Analyse von Erdbeobachtungsdaten

pic_UAVforSAT.PNG
Deep Learning (CNN)-basierte Kartierung von P.radiata

Übergeordnetes Ziel des Projekts ist die Entwicklung einer satellitengestützten Prozessierungskette zur operationellen Vegetationskartierung. Die Verfügbarkeit und Qualität von Satellitendaten für die angewandte Vegetationsbeobachtung ist in den letzten Jahren deutlich gestiegen (z.B. Sentinel-1 und -2). Zukünftige Missionen (z.B. EnMAP) werden die Verfügbarkeit erweitern. Diese Datengrundlage hat hohes Potential für Anwendungen wie die Erfassung von invasiven Pflanzenarten, Pflanzenfunktionen oder das Biodiversität-Monitoring. Allerdings ist eine Operationalisierung insbesondere durch zwei Faktoren wesentlich eingeschränkt: Erstens sind für das Training und die Validierung Referenzdaten in ausreichender Qualität und Quantität erforderlich. Die herkömmliche in-situ Erfassung von vegetationsbezogenen Referenzdaten ist mit hohem logistischem und finanziellem Aufwand verbunden. 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 (CNN) kombiniert werden, um eine automatische Kartierung der Zielmetrik (z.B. Biodiversität, Zielart) durchzuführen. Diese Kartengrundlage bildet die Referenz für eine 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.