Erdbeobachtung

Was macht Natur zur Wildnis?
Wir setzen frei verfügbaren Satellitendaten und sogenannte erklärbare KI ein, um Wildnisgebiete auf der Erde zu kartieren. Das Ziel dieser Arbeit ist zum einen die Entwicklung eines automatischen Verfahrens für die Bewertung der Naturnähe bzw. des Wildnischarakters jeden Landflecks der Erde. Zum anderen werden jedoch auch zusätzliche Erkenntnisse darüber gewonnen, was genau die Natur zur Wildnis macht.

Rekonstruktion urbaner Topographie aus einzelnen Radarbildern
Möchte man aus Bildern 3D-Daten ableiten, braucht man normalerweise – wie beim Tiefensehen mit unseren Augen auch – immer zwei oder mehr Aufnahmen. Wir haben eine KI-basierte Methode entwickelt, die es erlaubt, ein einziges Radarbild als Grundlage zu verwenden: aus Radarsignalen lassen sich Bilder erstellen (SAR: Syn­the­tic Aper­ture Ra­dar), die ähnlich wie Schwarz-Weiß-Fotos aussehen, aber den Vorteil bieten, dass sie auch bei Nacht oder Wolkenbedeckung vom Satelliten aus aufgenommen werden können. Dies bietet spannende Möglichkeiten, beispielsweise für Situationen, in denen unter schlechten Wetterbedingungen kurzfristig Aufnahmen benötigt werden. So kann beispielsweise auch die Höhe von Gebäuden durch die 3D-Rekonstruktion urbaner Topographie aus einzelnen Radarbildern abgebildet werden.

KI-basierte Ableitung von Vegetationsparametern aus Radarbildern
Während bekannte optische Bilder die chemischen Eigenschaften der abgebildeten Oberfläche erfassen und man so leicht auf Materialien bzw. Pflanzengesundheit etc. zurückschließen kann, erfassen Radarbilder im Wesentlichen physikalische Merkmale, nämlich Rauigkeit und Feuchte von Oberflächen. Wir entwickeln KI-Verfahren, die es ermöglichen, auch mit Radarbildern Rückschlüsse auf die Gesundheit von Vegetation (z. B. Feldfrüchte, Forst) zu ziehen. 

Algorithmen zur Geolokalisierung von Thermal-Satellitenbildern
Zur Erkennung von Waldbränden werden Satelliten mit Thermalkameras verwendet, die die Temperatur der Erdoberfläche erfassen. Da die Bilder dieser Kameras vergleichsweise schlecht aufgelöst und nur unzureichend genau auf der Erdoberfläche verortet sind, kann bei Detektion eines Feuers der Ort seines Vorkommens nicht genau bestimmt werden. Wir entwickeln Verfahren, die eine möglichst präzise Lokalisierung solcher Bilder und damit auch der darin gefundenen Brände ermöglichen.