Feldfrüchte vom All aus erkennen - Wissenschaftsjahr 2020 - Bioökonomie

Springe zu:

Springe zum Inhalt

30.04.2020

Feldfrüchte vom All aus erkennen

Kurz & Knapp
  • Satellitendaten liefern Landwirten wichtige Informationen zur Bodenbeschaffung oder Landnutzung. Doch Wolken beeinträchtigen die Nutzung der Daten erheblich und erschweren Analysen.
  • Ein Leipziger Forscherteam hat einen auf Künstlicher Intelligenz basierenden Algorithmus entwickelt, der eine wolkenfreie Beobachtung der Bodennutzung ermöglicht.
  • Bis zu 90 Prozent der angebauten Feldfrüchte konnte das System erkennen. Auch wurde eine Deutschlandkarte erstellt, die zeigt, welche Nutzpflanzen 2016 in ausgewählten Regionen angebaut wurden.

Algorithmus erkennt Nutzpflanzen auch bei Wolken

Forschende am UFZ haben einen Algorithmus entwickelt, der Satellitendatensätze mit wolkenverhangenen Pixeln automatisch durch Bilder mit klarer Sicht ergänzt. Im Ergebnis entstand eine Deutschlandkarte, die den Anbau von Feldfrüchten mit einer Genauigkeit von bis zu 90 Prozent abbildet.

Schon heute liefern Satellitendaten Landwirten wichtige Informationen zu Bodenbeschaffenheit, Pflanzenwachstum und Umweltbedingungen. Genutzt werden vor allem Daten der Sentinel-Satelliten, die im Rahmen des EU-Raumfahrtprogramms Copernicus alle drei bis fünf Tage aktuelle Informationen zur Erde schicken.

Mitunter zeigt die Natur der Hightech aber klare Grenzen und macht durch Wolken Satellitenbilder unbrauchbar.Forschende am Helmholtz-Zentrum für Umweltforschung (UFZ) haben mit Hilfe Künstlicher Intelligenz dieses Problem nun gelöst. Ein Team um Sebastian Preidl entwickelte einen Algorithmus, der lokale Wolkenbildungen berücksichtigt und Datenlücken automatisch füllt.

Datenlücken durch wolkenlose Bilder ersetzt

Grundlage für die Arbeit der Forschenden waren zeit- und räumlich hochaufgelöste Satellitendaten, die Bilder der Landoberfläche in neun verschiedenen Spektralbereichen liefern. Solche spektralen Zeitreihen sind bei Wolkenbildung jedoch lückenhaft und erschweren eine präzise Aussage zur Bodendeckung. Normalerweise werden diese Lücken durch künstlich erzeugte Daten ergänzt, die aus wolkenfreien Bildpixelwerten interpoliert werden. Die Forschenden haben sich stattdessen für eine dynamische Anwendung von Modellen des maschinellen Lernens entschieden und für jedes Pixel einen Algorithmus maßgeschneidert. „Unser Algorithmus sucht sich wolkenfreie Pixel automatisch aus dem gesamten Satellitenbilddatensatz heraus und ist nicht auf großflächig wolkenfreie Szenen angewiesen“, erklärt Preidl. Im Ergebnis wurden 19 Feldfruchtarten mit einer Genauigkeit von 88 Prozent erkannt. Bei den Hauptfeldfrüchten waren es sogar über 90 Prozent.

Deutschlandkarte für Feldfrüchte generiert

Die neue Klassifikationsmethode musste jedoch erst lernen, zwischen Anbaukulturen wie Weizen und Mais zu unterscheiden. Hierfür wurde das System mit Informationen zu landwirtschaftlichen Flächen ausgewählter Bundesländer gefüttert, da das Pflanzenwachstum von Klima und Höhenlage beeinflusst wird und damit sehr verschieden ist.

Aus rund 7.000 Satellitenbildern entstand erstmals eine Deutschlandkarte, die Aussagen zur Landbedeckung im Jahr 2016 liefert und gleichfalls aufzeigt, mit welcher Genauigkeit das System die jeweilige Pflanze für ein bestimmtes Pixel erkennt. Der Algorithmus kann den Forschenden zufolge auch zum Monitoring des Waldbestandes oder in anderen Regionen Europas eingesetzt werden.