de.wedoany.com-Bericht: Die Anwendung von Umwelt-KI in der Waldüberwachung ist zunehmend auf die Erstellung hochwertiger Datensätze angewiesen, nicht nur auf algorithmische Fortschritte. Rohe Satellitenbilder müssen in KI-nutzbare Daten umgewandelt werden, was in der Regel die Erfassung von Bodenwahrheitsmessungen, die Zusammenführung von Multisensordaten und die Korrektur von Inkonsistenzen umfasst. Mit der zunehmenden Komplexität von Umwelt-KI-Systemen könnte die Datenentwicklung für Durchbrüche entscheidender sein als die Optimierung von Algorithmen.
Kein einzelner Datensatz enthält alle Informationen, die für Umwelt-KI erforderlich sind. Satellitenbilder bieten eine breite Abdeckung, aber viele Umweltmerkmale müssen durch die Integration mehrerer komplementärer Datensätze wie Gelände, Bodenbeschaffenheit, historische Wettermuster und Feldbeobachtungen abgeleitet werden. Diese Datenfusion ermöglicht es der KI, Muster zu erkennen, die allein mit Satellitenbildern schwer zu erkennen sind.
Das U.S. Army Engineer Research and Development Center (ERDC) und der U.S. Forest Service haben kürzlich zusammengearbeitet, um einen der weltweit größten Feldmessdatensätze mit Satellitenbeobachtungen zu kombinieren. Über 355.000 tatsächlich gemessene Waldprobeflächen in den USA werden mit etwa 17 Billionen 30-Meter-Satellitenpixeln sowie Klima-, Gelände-, Boden- und anderen Umweltdaten integriert. Ziel ist es, KI-Modelle zu befähigen, Merkmale von Gebieten zu schätzen, die nie direkt untersucht wurden, wie Baumarten, Brusthöhendurchmesser, Biomasse und Waldzusammensetzung.
„Man kann es sich wie das Erstellen einer hochauflösenden 3D-Karte jedes Waldes der Erde vorstellen, ohne jeden Baum zu besuchen", sagte Gabe Powell, leitender Forschungserdwissenschaftler im Auftrag. „Wir beginnen mit den Bodenwahrheiten von Hunderttausenden von Waldinventurprobeflächen des U.S. Forest Service und sammeln dann Terabytes an globalen Umweltdaten, um die Struktur und Zusammensetzung dieser Probeflächen zu erklären. Um sicherzustellen, dass es auch in unzugänglichen Gebieten funktioniert, stammen unsere globalen Erklärungsfaktoren von Satelliten, darunter Klima, Gelände, Bodentyp und verfügbare Sonneneinstrahlung."
Mit dem kontinuierlichen Wachstum von Satellitenkonstellationen ist das Sammeln von Bildern einfacher geworden, aber die Integration von Bildern mit anderen Quellen und die Validierung anhand realer Beobachtungsdaten bleibt der schwierigere Teil. Die im Forstwesen erzielten Fortschritte werden auf Bereiche wie Präzisionslandwirtschaft, Infrastrukturplanung, Hochwasser- und Waldbrandvorhersage, Kohlenstoffbilanzierung, Biodiversitätsüberwachung und Katastrophenhilfe angewendet.
