Von Pixeln zur Planung: Earth AI für die Wiederherstellung der Natur

Google Research hat ein hochauflösendes Deep-Learning-Framework entwickelt, um feinskalige Gehölzstrukturen wie Hecken, Windschutzstreifen und Gehölze zu kartieren, die mit Standard-Satellitenerkennung normalerweise unsichtbar sind. Diese Merkmale können die Kohlenstoffspeicherung und Biodiversität steigern, ohne Nutzpflanzen zu verdrängen. Das Team veröffentlichte einen vektorisierten Datensatz für das Vereinigte Königreich, der pixelbasierte Karten in umsetzbare Inventare von Hecken, Steinmauern und Gehölzen umwandelt. Um die Datenknappheit zu überwinden, verwendeten sie das Remote Sensing Foundations Vision-Transformer-Backbone, das auf 300 Millionen globalen Satellitenbildern vortrainiert und für britische Landschaften nachtrainiert wurde. Ein duales Beschriftungssystem mit Submeterbildern und LiDAR-Daten handhabte überlappende Merkmale, während der Polsby-Popper-Kompaktheits-Score Formen nach ökologischer Funktion klassifizierte. Google Earth Engine ermöglichte die parallele Verarbeitung von Millionen von Merkmalen in ganz England. Der Datensatz soll Landwirte, Wissenschaftler und politische Entscheidungsträger befähigen, kleinskalige Merkmale für Klima- und Biodiversitätsziele zu schützen.