Das Potenzial von künstlicher Intelligenz am Beispiel der Ableitung des Landbedeckungsmodells (LBM‐DE) für das Bundesland Schleswig‐Holstein

Kurzfassung

Durch die gestiegene Zugänglichkeit der Daten verschiedener Erdbeobachtungsdaten sind methodische Ansätze zur deren automatisierten Analyse essenziell. Das Potenzial der künstlichen Intelligenz ist mittlerweile fester Bestandteil in der Arbeit mit Erdbeobachtungsdaten. Durch die großen Entwicklungen im Hardwarebereich und die Möglichkeit zur Prozess Parallelisierung rücken Deep Learning Verfahren zunehmend in den Fokus der Wissenschaft. Hierbei hat sich die semantische Segmentierung von Landbedeckung mittels Encoder-Decoder Ansätzen als besonders leistungsfähig etabliert. Mit den Landbedeckungsdaten des Landbedeckungsmodells Deutschland (LBM-DE) steht dieser Arbeit ein hochwertig gelabelter Datensatz für das Bundesland Schleswig-Holstein für das Jahr 2021 zur Verfügung. Auf der Basis dieser Daten wurde evaluiert, inwieweit ein vortrainiertes Modell auf RapidEye Daten zur Klassifizierung von PlanetScope Daten genutzt werden kann. Die Evaluation erfolgt anhand drei verschiedener Szenarien mit einer unterschiedlichen Anzahl an Landbedeckungsklassen. Mit klassenspezifischen F1-Scores von bis zu 0,98 zeigt sich das große Potential für die Ableitung von Landbedeckung mit Ansätzen der künstlichen Intelligenz. Speziell für den geplanten Einsatz unterschiedlicher Erdbeobachtungsmissionen zur Ableitung der Landbedeckung innerhalb des BKGs sind diese Ergebnisse vielversprechend.