AI4LULC

Ausgangssituation, Inhalte und Zielsetzungen

Bis dato, werden alle großflächigen Kartierungen von Landnutzung und Landbedeckung (land use and land cover, kurz LULC) durch den aufwendigen Einsatz unzähliger manueller Annotationen realisiert.

AI4LULC hat das Ziel durch die Verknüpfung von Erdbeobachtung und der Skalierbarkeit von Künstlicher Intelligenz eine innovative und automatisierte LULC Kartierung für semantische Geo-Analysen mit dem Fokus auf urbane Räume zu schaffen.

Methodische Vorgehensweise

Das Projekt nutzt effektive Machine- und Deep-Learning Methoden für LULC und fokussiert dabei auf aussagekräftige Indikatoren für Städte und deren Umland. Drei geographische Testebenen für drei geographische Bereiche wurden identifiziert, die das Potenzial und die Effektivität automatisierter KI-Lösungen für LULC, welche vorwiegend Copernicus Daten verwenden werden, demonstrieren:

• Globale Ebene: Kartierung von Megacities außerhalb Europas mittels Sentinel-1 und -2 Daten.
• Pan-Europäische Ebene: Kartierung europäischer Städte zur Unterstützung des Copernicus Urban Atlas mittels Copernicus VHR Image Mosaic (2,5m Auflösung) und Sentinel-1 und -2 Daten für ausgewählte Städte in Europa.
• Nationale Ebene (Österreich): Untersuchung inwiefern sich KI-Methoden für die automatisiert urbane LULC-Kartierung eignen, welche VHR Daten (Luftbilder, VHR Satellitenbilder, DOM) in Kombination mit Sentinel-1 und -2 Daten verwenden.

Um eine manuelle Datenaufbereitung für das KI-Training zu vermeiden, werden alle Referenzdaten aus bereits existierenden Vektorinformationen gewonnen, die für den jeweiligen Trainingsbedarf automatisch optimiert und angepasst werden.

Blackshark.ai (ein Deep-Tech KMU) und Joanneum Research (eine führende Forschungsorganisation für Erdbeobachtung) planen den Projektverlauf in dynamischer Art und Weise, was auch den zugrundeliegenden angewandten wissenschaftlichen Methoden entspricht. Das Projektteam führt dazu drei iterative Trainings- und Validierungsschritte durch, sodass optimale Ergebnisse erzielt werden können.

Erwartete Ergebnisse

Die Projektergebnisse werden seitens der Partner zu wissenschaftlichen Innovationen und wirtschaftlichen Verwertungen führen. Die Ergebnisse werden insbesondere zu Kernanwendungen der Copernicus Initiative einen Beitrag leisten, da die geplanten KI-Innovationen arbeitsintensive LULC Kartierungen sowie Urban Altas Klassifizierungen automatisieren werden.

Darüber hinaus wird das Projekt Geo-Informationen für zukünftige Digital-Twin-Earth-Anwendungen and andere Services, die semantische Input-Daten in großen Mengen benötigen und verarbeiten, bereitstellen.

Projektleitung

Blackshark.ai Unternehmenspartner

Projektpartner:innen

Joanneum Research

Blackshark.ai Unternehmenspartner
Ms. Andishe Zhand
Am Eisernen Tor 1/3
A-8010 Graz