Künstliche Intelligenz überwacht die Wälder weltweit

Redakteur: Dipl.-Ing. (FH) Hendrik Härter

Trockenheit, Waldbrände oder Insektenbefall: Die Wälder weltweit sind ständig Gefahren ausgesetzt. Wissenschaftler wollen mit Methoden der Künstlichen Intelligenz sowohl lokal als auch global die Wälder monitoren.

Firmen zum Thema

Mithilfe einer Drohne sammeln Forscher Daten über den Waldbestand. Im Projekt fließen auch Daten aus öffentlichen Quellen ein.
Mithilfe einer Drohne sammeln Forscher Daten über den Waldbestand. Im Projekt fließen auch Daten aus öffentlichen Quellen ein.
(Bild: TU Berlin)

Nach drei trockenen Sommern hat der Wald in Deutschland ziemlich gelitten. Umso wichtiger ist es, Baumbestände und Wälder auf lokaler, regionaler und selbst auf globaler Ebene zu beobachten und dessen Zustand genau zu kennen. Das wollen Wissenschaftler im Projekt TreeSatAI mit Methoden mit Künstlicher Intelligenz (KI) umsetzen. Gefördert wird das Projekt vom Bundesministerium für Bildung und Forschung (BMBF).

Dazu fließen frei zugängliche Geodaten aus verschiedenen Quellen (Fernerkundungsdaten, administrativen Informationen, Social Media, Mobile Apps, Monitoring-Bibliotheken, offene Bilddatenbanken) für Prototypen für die Deep Learning basierte Extraktion und Klassifikation von Baum- und Bestandsmerkmalen für vier verschiedene Anwendungsfälle aus den Forst-, Naturschutz- und Infrastrukturmonitoring.

Große Datenmengen auswerten

Fernerkundungsdaten diverser Satellitenmissionen der ESA und NASA, Luftbilddaten sowie Geodaten über den Zustand der Umwelt stehen zunehmend kostenfrei und in großem Umfang zur Verfügung. Gleichzeitig ermöglichen Texte, Fotos und Videos aus Social-Media-Plattformen wie Flickr, Twitter oder Open Street Map den Zugang zu weiteren Informationen über die Umwelt. Eine händische Auswertung der sich ergebenden riesigen Datenmengen wäre jedoch zu zeit- und arbeitsintensiv.

Das Deep-Learning-Kompetenzzentrum des DFKI und der Forschungsbereich Smarte Daten und Wissensdienste entwickeln bereits seit längerer Zeit KI-Verfahren, um Luft- und Satellitenaufnahmen zu analysieren, die sowohl eine lokale Auswertung als auch deren globale Analyse ermöglichen sollen.

Hochwertige Trainingsdaten

In TreeSatAI wollen die Wissenschaftler neben CNNs (Convolutional Neural Networks) auch spezialisierte LSTM-Modelle (Long-Short-Term-Memory) des Deep Learnings 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 ist die Beschaffung ausreichender, qualitativ hochwertiger Trainingsdaten, um die Algorithmen sowie die Evaluation der sich ergebenden Modelle durch Experten aus dem Forst und Umweltbereich zu trainieren.

Im Projekt werden daher die verschiedenen Kompetenzen der Projektpartner genutzt und miteinander kombiniert, um die zahlreichen Herausforderungen des ambitionierten Projektes meistern zu können.

Eckdaten des Projekts:

  • TU Berlin: Geoinformation in der Umweltplanung (Konsortialführung),
  • TU Berlin: Remote Sensing Image Analysis Group,
  • LiveEO GmbH,
  • LUP GmbH und
  • Vision Impulse GmbH.
  • Laufzeit: 01.06.2020 bis 31.05.2022

Projektseite TreeSatAI am DFKI

(ID:46987917)