Remote Sensing
Aus Luft- und Satellitenaufnahmen Informationen zu extrahieren kann eine schwierige Aufgabe sein. KI Methoden zur Aufbereitung und Interpretation von Bildern können hier wesentliche Beiträge leisten.
Auf Basis unseres Technologie Stacks für Modelle zur Analyse von Bilddaten, Datenmanagement und Preprocessing entwicklen wir Remote Sensing Applikationen mit Schwerpunkt im Bereich Vegetations-Monitoring.
Monitoring von Vegetation
Beispiel Borkenkäfer-Monitoring
Bedingt durch den Klimawandel mit extremeren Hitze- und Trockenperioden breitet sich der Borkenkäfer in Mitteleuropa zunehmend aus. Forstbetriebe sehen sich mit der Aufgabe konfrontiert, neu befallene Bäume möglichst innerhalb eines Zeitfensters von wenigen Wochen zu entnehmen, bevor aus ihnen die nächste Generation von Borkenkäfern ausschwärmt und benachbarte Bäume befällt. Das Auffinden solcher Bäume, die sich in den frühen Befallsstadien von gesunden Bäumen nur wenig unterscheiden, ist in Gebieten von vielen Tausend Hektar durch Begang mit vertretbarem Aufwand kaum zu leisten. Regelmäßige Befliegungen mit Drohnen wären aufwändig und teuer. Ideal wäre die Nutzung von Satellitenbildern, wie sie vom Anbieter Planet täglich verfügbar sind. Die Auswertung der Bilder mithilfe von Vegetationsindizes erlaubt im Prinzip die Erkennung von einzelnen befallenen Bäumen, aber mit zu hohen Fehlerraten, um als Produkt nützlich zu sein. Die niedrige räumliche Auflösung der Bilder (3 m / Pixel) sowie die unregelmäßige zeitliche Auflösung (nur ein Bruchteil der Tage mit gutem Wetter und wenigen Wolken ist nutzbar) machen diese Aufgabe schwierig.
Lösungsansatz: Monitoring mithilfe von KI
In Kooperation mit der Freiburger Unique Landuse GmbH konnten wir einen KI Detektor entwickeln und trainieren, der eine vielfach höhere Trefferquote aufweist als konventionelle Ansätze auf Basis von Vegetationsindizes. Ein trainierter Detektor kann für ein ausgewähltes Waldgebiet an jedem Tag mit hinreichend gutem Wetter eine Warnkarte generieren, in der die Wahrscheinlichkeiten für Borkenkäferbefall farbig eingezeichnet sind. Diese Warnkarten werden den Forstbetrieben übermittelt und stehen als App auf Handys oder Tablets zur Verfügung, und unterstützen die Suche nach befallenen Bäumen.
Von der täglichen Satellitenaufnahme zur Warnkarte für den Forstbetrieb
Der KI Detektor
Die verwendete Technologie basiert auf Convolutional Neural Networks und wurde von der Universität Freiburg ursprünglich zur Klassifizierung von Röntgenbildern entwickelt. Sie wurde von uns weiterentwickelt und hierbei um eine zeitliche Dimension erweitert, da sich ein Borkenkäferbefall insbesondere als spektrale Veränderung auf der Zeitachse zeigt. Eine Serie von zeitlich aufeinanderfolgenden Satellitenbildern eines Gebietes wird auf eine probabilistische Karte abgebildet, und diese wiederum für den praktischen Einsatz über eine geographische Karte des Gebietes gelegt. Entscheidend für die Qualität der Ergebnisse ist ein relativ aufwändiges Preprocessing der Daten zur Normalisierung, präzisen geometrischen Lokalisierung und Geländeklassifizierung.
Dieser KI Detektor arbeitet nicht fehlerfrei, aber so gut, dass die Lenkungswirkung durch die Warnkarten die Suche nach befallenen Bäumen um ein Mehrfaches effizienter machen kann. Die Technologie wird laufend weiterentwickelt, z.B. mit Blick auf die Übertragbarkeit eines trainierten Detektors auf andere Gebiete.
Warnkarten im Verlauf einer Saison
Im Nationalpark Schwarzwald bei Baiersbronn wurden in einem Gebiet von rund 4000 Hektar systematisch alle Bäume erfasst, die im Laufe der Saison 2024 abgestorben sind (rote Punkte in der Karte). Dies erlaubt eine Validierung des Detektors. Unten die 5 aktivsten Hotspots in dem gesamten Gebiet, die im Laufe der Saison 2024 identifiziert wurden.
Diese Warnkarten von Juni 2024 bis April 2025 vermitteln einen lediglich qualitativen Eindruck, da das genaue Datum des Befalls hier nicht bekannt ist. Rot markierte Bäume könnten auch außerhalb der vom Detektor beobachteten Zeitfenster gestorben sein.
Baumartenerkennung
Als Hilfsmittel zur Aufbereitung von Satellitendaten für die Borkenkäferdetektion haben wir eine KI gestützte Baumartenerkennung entwickelt. Nachdem diese leistungsfähiger ist als derzeit verfügbare Software, kann sie als eigenständiges Produkt für Waldinventuren oder Bestandsmonitoring eingesetzt werden.
