Mobile-Menu

BMBF fördert Projekt TreeSatAI KI beim Monitoring von Wäldern und Baumbeständen

Autor Julia Mutzbauer

Das Bundesministerium für Bildung und Forschung (BMBF) will die Entwicklung von Methoden für das Monitoring von Wäldern und Baumbeständen auf lokaler, regionaler und globaler Ebene im Projekt TreeSatAI fördern. Dabei soll Künstliche Intelligenz (KI) zum Einsatz kommen.

Anbieter zum Thema

Deutsches Forschungszentrum f. Künstliche Intelligenz GmbH (DFKI)
BMBF - Bundesministerium für Bildung und Forschung Pressereferat
Bissantz & Company GmbH
Fujitsu Technology Solutions GmbH
Disy Informationssysteme GmbH
Eine abflugbereite Drohne für die Feldtests im Waldmonitoring
Eine abflugbereite Drohne für die Feldtests im Waldmonitoring
(© TU Berlin, FG Geoinformation in der Umweltplanung)

Luftbild- und Geodaten geben Auskunft über den Zustand der Umwelt. Gleichzeitig ermöglichen Texte, Fotos und Videos auf Social-Media-Plattformen wie Flickr, Twitter oder Open Street Map den Zugang zu weiteren Informationen. Eine manuelle Auswertung der sich daraus ergebenden riesigen Datenmengen ist jedoch zu zeit- und arbeitsintensiv.

Deshalb sollen in einem Forschungsprojekt mithilfe von frei zugänglichen Geodaten Prototypen für die Deep-Learning-basierte Extraktion und Klassifikation von Baum- und Bestandsmerkmalen für vier verschiedene Anwendungsfälle aus den Bereichen Forst-, Naturschutz- und Infrastrukturmonitoring entwickelt werden. Dazu werden verschiedene Quellen wie Fernerkundungsdaten, administrative Informationen, Social Media, Mobile Apps, Monitoring-Bibliotheken und offene Bilddatenbanken genutzt.

Das Deep-Learning-Kompetenzzentrum des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) und der Forschungsbereich Smarte Daten & Wissensdienste entwickeln bereits seit längerer Zeit KI-Verfahren zur Analyse von Luft- und Satellitenaufnahmen, die sowohl eine lokale Auswertung als auch deren globale Analyse ermöglichen sollen. In TreeSatAI wollen die Wissenschaftler neben CNNs (Convolutional Neural Networks) auch spezialisierte LSTM-Modelle (Long Short-Term Memory) aus dem Bereich Deep Learning einsetzen, um die zeitliche Entwicklung von Waldgebieten automatisiert auf einer großen Fläche zu ermöglichen und so Umwelt- und Waldexperten zu unterstützen.

„Eine der großen Herausforderungen hierbei ist die Beschaffung ausreichender, qualitativ hochwertiger Trainingsdaten zum Trainieren der Algorithmen sowie die Evaluation der sich ergebenden Modelle durch Experten aus dem Forst- und Umweltbereich“, erklärt das DFKI. Im Projekt sollen deshalb die verschiedenen Kompetenzen der Projektpartner genutzt und miteinander kombiniert werden.

Die Projektpartner:

  • TU Berlin: Geoinformation in der Umweltplanung
  • TU Berlin: Remote Sensing Image Analysis Group
  • LiveEO
  • LUP
  • Vision Impulse

Das Projekt wurde am 1. Juni 2020 gestartet und läuft bis Ende Mai 2022.

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung

(ID:47013069)

Weiterführende Inhalte