Steckbrief TreeSatAI
| Name | TreeSatAI Künstliche Intelligenz mit Erdbeobachtungs- und Multi-Source Geodaten für das Infrastruktur-, Naturschutz- und Waldmonitoring |
| Funktion | Ziel: Entwicklung von Methoden mit Künstlicher Intelligenz für das Monitoring von Wäldern und Baumbeständen auf lokaler, regionaler und globaler Ebene Klassifikation und Extraktion von Baum- und Bestandsmerkmalen |
| Technologie | Maschinelles Lernen (Deep Learning, schwach überwachtes Lernen, neuronale Netze) Multisensorale Fernerkundung (Sentinel-1/-2, Luftbilder, Drohnendaten) Multi-Source Datenfusion Entwicklung von Prototypen zur Waldklassifikation und Vitalitätsbewertung |
| Einsatzbereiche | Bereiche: Forstwirtschaft, Infrastrukturüberwachung, Naturschutz Regionen: Deutschland, insbesondere Niedersachsen, Brandenburg und Sachsen |
| Datenquellen | Frei zugänglicher Geodaten (Fernerkundungsdaten, ESA und NASA, administrativen Informationen, Social Media, Mobile Apps, Monitoring-Bibliotheken, offene Bilddatenbanken) Satellitendaten (Sentinel-1/-2, Copernicus-Programm) Luftbildaufnahmen Drohnenbilddaten Bodenproben und Referenzdaten aus Forstinventuren |
| Funktionsweise und Algorithmen | Deep Learning für Bilderkennung und Zeitreihenanalyse (CNNs, LSTM, Vision Transformers) Schwach überwachtes Lernen für semantische Segmentierung Entscheidungsbäume (Random Forest, XGBoost) für Klassifikationsaufgaben Datenfusion verschiedener Sensorquellen zur Verbesserung der Klassifikationsgenauigkeit |
| Ergebnis / Output | Kartierungen von Baumarten und Waldtypen Prognosen zur Vitalität und Schadensbewertung von Baumbeständen Prototypen zur Infrastrukturüberwachung und Baumklassifikation Mobile App zur Baumdatenerfassung und Vitalitätsbewertung |
| Vorteile | Präzisere und schnellere Waldkartierung im Vergleich zu traditionellen Methoden Regionale und großmaßstäbliche Anwendbarkeit Unterstützung von Entscheidungsprozessen durch automatisierte Datenanalyse |
| Zielgruppe | Forstbehörden und Naturschutzorganisationen Wissenschaftler*innen und Technologiedienstleister Infrastrukturbetreiber |
| Projekte / Referenzen | Laufzeit: 1.06.2020 – 31.05.2022 Förderkennzeichen: BMBF 01IS20014D Partner: TU Berlin: Geoinformation in der Umweltplanung (Konsortialführung) TU Berlin: Remote Sensing Image Analysis Group LiveEO GmbH LUP GmbH Vision Impulse GmbH Gefördert: BMBF im Programm „KI in der Praxis“ |
| Kosten | Keine spezifischen Angaben |
| Nutzungserfahrungen | Validierungen zeigten gute Genauigkeit bei der Erkennung von Baumarten und Infrastruktur. Schwächen bei der Generalisierung aufgrund begrenzter Trainingsdaten. |
| Risiken und Schwächen | Abhängigkeit von Trainingsdaten und Datenqualität Begrenzte Generalisierbarkeit der Modelle Hohe Rechenkapazität erforderlich für KI-Modelle |
| Zukunftsperspektiven / Weiterentwicklung | Weiterentwicklung von Prototypen und Integration in kommerzielle Anwendungen Verbesserung der Datenfusion und KI-Methoden für breitere Anwendungen |
| Verfügbarkeit und Kontakt | Projektleitung: Prof. Dr. Birgit Kleinschmit, TU Berlin Prof. Dr. Jörn Hees. Mail: Joern.Hees@dfki.de Pressekontakt: Christian.Heyer@dfki.de https://www.dfki.de/web/forschung/projekte-publikationen/projekt/treesatai https://www.tu.berlin/geoinformation/forschung/projekte/abgeschlossene-projekte/treesatai |
