Von Pixeln zur Planung: Google KI für die Wiederherstellung der Natur
Google/DeepMind
Google Research hat ein hochauflösendes Deep-Learning-Framework entwickelt, um kleine ökologische Merkmale wie Hecken und Baumgruppen zu identifizieren, die für Satelliten normalerweise unsichtbar sind. Für das Vereinigte Königreich wurde ein Vektordatensatz veröffentlicht, der Karten in handhabbare Werkzeuge für die Kohlenstoffbilanzierung und die Wiederherstellung der Natur verwandelt.
Google-Forscher haben ein Deep-Learning-Framework vorgestellt, das die Erkennung kleiner Landschaftselemente (Hecken, Windschutzstreifen, Wäldchen) ermöglicht, die auf herkömmlichen Satellitenbildern nicht sichtbar sind. Diese Objekte können die Kohlenstoffbindung und Biodiversität steigern, ohne dass landwirtschaftliche Flächen stillgelegt werden müssen. Zuvor wurde der Rasterdatensatz Farmscapes 2020 (England) veröffentlicht, nun ist ein Vektordatensatz mit Hecken, Steinmauern und Wäldchen für das gesamte Vereinigte Königreich verfügbar. Zu seiner Erstellung nutzte man ein vortrainiertes Vision-Transformer-Modell (ViT) aus Remote Sensing Foundations (Google Earth AI), das auf 247 km² gelabelter Daten sowie LiDAR-Daten nachtrainiert wurde. Zur Klassifikation der Objekte wurde der Kompaktheitsindex nach Polsby-Popper verwendet (langgestreckte Objekte mit einem Koeffizienten < 0,5). Die Verarbeitung erfolgte in Google Earth Engine. Die Daten sind offen und für Landwirte, Wissenschaftler und politische Entscheidungsträger zugänglich.
Quelle: Google Research —
Original