Subregionale Ermittlung des Bruttoinlandsprodukts und der Wirtschaftssektoren mittels Deep Learning und Fusion von hochaufgelösten multimodalen Geo- und Fernerkundungsdaten in Brasilien

Kurzfassung

Konventionelle Wirtschaftsdaten wie etwa das Bruttoinlandsprodukt (BIP) oder die Wertschöpfung der einzelnen Wirtschaftssektoren liegen vor allem auf subregionaler Ebene häufig nur in räumlich aggregierter Form und mit zeitlicher Verzögerung vor. Dadurch wird die kleinräumige Erfassung wirtschaftlicher Aktivität erheblich erschwert. Aus diesem Grund ist das Ziel dieser Arbeit die Ermittlung des BIP, sowie der sektoralen Wirtschaftsleistung mithilfe eines Deep-Learning-Ansatzes, der multimodale Geo- und Fernerkundungsdaten fusioniert. Als Untersuchungsgebiet wurde dabei Brasilien gewählt. Hierfür wurden verschiedene hochaufgelöste Datengrundlagen, wie etwa Sentinel-2, Black Marble Nachtlichtdaten, Landbedeckungsinformationen und OpenStreetMap Daten, in einem multimodalen Workflow kombiniert. Zur Merkmalsextraktion wurde ein ResNet-18-Encoder, unter dem Einsatz von Transfer Learning, verwendet. Diese extrahierten Merkmale werden mit einer Fusionsmethode kombiniert und ein MLP Regressor übernimmt abschließend die Modellierung und Ermittlung der Zielvariable. Für die Fusion wurden vier unterschiedliche Methoden (Concatenation, Attention Pooling, Graph-based Fusion und Mixture of Experts) hinsichtlich ihrer Eignung zur Modellierung der Wirtschaftsleistung getestet. Die Ergebnisse zeigen, dass der entwickelte Ansatz vielversprechende Resultate für die Fragestellung liefert. Insbesondere das BIP sowie der Dienstleistungssektor konnten mit hoher Genauigkeit modelliert werden (R² = 0,86, normalisiert) während für den primären Sektor gewisse Herausforderungen bestehen bleiben (R² = 0,55, normalisiert). Unter den getesteten Fusionsstrategien erwies sich Concatenation als der geeignetste Ansatz. Insgesamt verdeutlicht die Arbeit das Potenzial von multimodaler Datenfusion und Deep Learning zur kleinräumigen Ableitung ökonomischer Indikatoren und liefert Ansatzpunkte für weiterführende Forschung in diesem Bereich.