Carl Friedrich von Weizsäcker-Zentrum

Online-Kolloquium "Geodaten für ML"

Ziel dieses Online-Kolloquiums ist es, Möglichkeiten zur vereinfachten Nutzung der ESA-Open Source Daten für Start-Ups und Forschung zu definieren. Dafür soll über Tools berichtet werden, die dieses Vorhaben unterstützen, aber es sollen auch Impediments gesammelt werden, um diese Impediments dann mit einem Vertreter der ESA oder anderen Multiplikatoren zu besprechen.

Weitere Interessenten sind herzlich willkommen!

Das Kolloquium findet per Zoom statt. Für den Zugangslink schicken Sie bitte eine Email an annaspam prevention@anna-hoffmann-consulting.de

23.11.2022 17h  [Online via Zoom]

Dynamic World - 10m global land cover dataset in Google Earth Engine

Google hat mit Dynamic World ein neues Kartenwerkzeug freigegeben, das auf Basis von Satellitendaten fast in Echtzeit anzeigen kann, wie sich die Erdoberfläche verändert. Dafür wurde ein Algorithmus darauf trainiert, das in den Satellitenaufnahmen des Erdbeobachtungsprogramms Copernicus der ESA zu erkennen. Die gesammelten Daten reichen zurück bis ins Jahr 2015, in Dynamic World können zwei Zeiträume verglichen werden. Sichtbar werden so natürliche Prozesse, aber auch die Spuren der Menschheit.“
[Quelle: Heise Online vom 10.6.2022 - Dynamic World: Google zeigt Veränderungen auf der Erdoberfläche fast in Echtzeit | heise online]

Google hat die App in Kooperation mit dem World Ressource Institute entwickelt [World Resources Institute | Making Big Ideas Happen (wri.org)]. Die Basis für diese Anwendung bilden die Open Souce Daten der europäischen Sentinel-Satelliten und Google Earth Engine. Jeden Tag werden 5000 neue Aufnahmen via Deep Learning darauf untersucht, was auf den Bildern zu sehen ist. Die KI unterscheidet dabei (manchmal noch recht grob) in folgenden Kategorien: Wasser, Bäume, Gras, Getreide, Büsche und Sträucher, Überflutungen, bebautes Gebiet, Schnee & Eins sowie nackter Boden. Laut Eigenaussage ist der in  Dynamic Word abrufbare Datensatz nicht nur detaillierter als ähnliche Vorlagen, sondern auch viel aktueller, da die Sentinelldaten innerhalb von 48 Stunden von der KI prozessiert werden.

Link zur Veröffentlichung der ML- Verfahrensweise von Google in „nature“:
Dynamic World, Near real-time global 10 m land use land cover mapping | Scientific Data (nature.com)

About Dynamic World (Google Eigenaussage):

„The real world is as dynamic as the people and natural processes that shape it. Dynamic World is a near realtime 10m resolution global land use land cover dataset, produced using deep learning, freely available and openly licensed. It is the result of a partnership between Google and the World Resources Institute, to produce a dynamic dataset of the physical material on the surface of the Earth. Dynamic World is intended to be used as a data product for users to add custom rules with which to assign final class values, producing derivative land cover maps.

Key innovations of Dynamic World

  1. Near realtime data. Over 5000 Dynamic World image are produced every day, whereas traditional approaches to building land cover data can take months or years to produce. As a result of leveraging a novel deep learning approach, based on Sentinel-2 Top of Atmosphere, Dynamic World offers global land cover updating every 2-5 days depending on location.
  2. Per-pixel probabilities across 9 land cover classes. A major benefit of an AI-powered approach is the model looks at an incoming Sentinel-2 satellite image and, for every pixel in the image, estimates the degree of tree cover, how built up a particular area is, or snow coverage if there’s been a recent snowstorm, for example.
  3. Ten meter resolution. As a result of the European Commission’s Copernicus Programme making European Space Agency Sentinel data freely and openly available, products like Dynamic World are able to offer 10m resolution land cover data. This is important because quantifying data in higher resolution produces more accurate results for what’s really on the surface of the Earth.

Dynamic World is produced using the Google Earth Engine and AI Platform. We developed the Dynamic World dataset in alignment with Google's AI Principles.“

27.10.2022 [Online via Zoom]

Matthias Sammer (Beetle ForTech)

Am ersten Termin stellt Matthias Sammer das Projekt ATEO vor, dass er gemeinsam mit Martin Wieser umsetzt. Danach ist Raum für einen informellen Austausch.

Seine persönlichen Erfahrungen mit Geodaten für ML im Start-Up Kontext beschreibt Matthias Sammer in seinem Blog mit dem Schwerpunkt "Space Market - Not Ready for User Uptake."