Technologietransfer der Fernerkundung

Die Arbeitsgruppe Technologietransfer der Fernerkundung beschäftigt sich mit der Überführung von in der Sektion entwickelten Methoden und Werkzeuge bis hin zu einer operationellen Nutzung. Hierfür werden die Kompetenzen der wissenschaftlichen Methodenentwicklung mit nachhaltiger Softwareentwicklung und Aspekten der Geschäftsfelderschließung kombiniert. In der Arbeitsgruppe ist das Helmholtz Innovation Lab FERN.Lab angesiedelt.

Expertisen: 

  • Anwendungsorientierte Methoden und Softwareentwicklung in der Fernerkundung (FERN.Lab) 
  • Unterstützung der Wissenschaftler der Sektion bei transferorientierten Kooperationsprojekten (Anträge, Verwertungsplan) 
  • Unterstützung der Wissenschaftler der Sektion im Bereich nachhaltiger Softwareentwicklung (Repositorien, Lizensierung)
  • Kontaktstelle für externe Kopperationsanfragen der Industrie, öffentlicher Verwaltung und NGO

Projekte:

FERN.Lab

FERN.Lab ist die GFZ Innovations- und Technologieplattform für anwendungsnahe, transdisziplinäre Methodenentwicklungen zur Analyse von Fernerkundungsdaten. FERN.Lab ermöglicht am Helmholtz GeoForschungsZentrum Potsdam unmittelbaren Zugang zu wissenschaftlicher Expertise für die Entwicklung von Fernerkundungsmethoden. Die Experten von FERN.Lab verfügen über langjährige Erfahrung in der Methodenentwicklung und Auswertung satellitengestützer Erdbeobachtungsdaten. Dies umfasst die hochauflösende optische und thermale Fernerkundung, die Radarfernerkundung, die satellitengestützte Erdschwerefeldvermessung und auch die hochgenaue Positionierung mittels globaler Satellitennavigationssysteme (GNSS).

CropClass

Im Vorhaben CropClass soll durch die Verbindung von optischen Daten und Radardaten, ein operationeller Webservice aufgebaut werden, der es erlaubt zu jedem Zeitpunkt der Wachstumsperiode von Agrarfrüchten eine hochgenaue Klassifikation der in Deutschland typischen landwirtschaftlichen Hauptkulturen Weizen, Roggen, Gerste, Raps, Kartoffeln, Mais und Zuckerrüben durchzuführen. Die Klassifizierung, basierend auf der Kombination der verschiedenen Datensätzen wird auf der Grundlage von Machine Learning Algorithmen durchgeführt.

Die Basis des Systems bildet das FERN.Lab Portal, in welchem eine automatisierte Datenvorverarbeitung und synergetische Datennutzung ermöglicht wird. Basierend auf diesen Daten werden KI Verfahren evaluiert und trainiert, sodass dass eine Fruchtartenklassifizierung mit bis zu 90%iger Genauigkeit angestrebt wird.

Kooperationspartner: Dida Datenschmiede GmbH

zurück nach oben zum Hauptinhalt