Dieser Browser wird nicht mehr unterstützt

Bitte wechseln Sie zu einem unterstützten Browser wie Chrome, Firefox, Safari oder Edge.

Informatik

Aus ungenauen Satellitenbildern das Beste herausholen

Satellitenfotos wie hier vom Neusiedler See setzen alle zehn Meter einen Bildpunkt: Das reicht oft nicht aus, um landwirtschaftliche Flächen exakt zu erkennen.
Satellitenfotos wie hier vom Neusiedler See setzen alle zehn Meter einen Bildpunkt: Das reicht oft nicht aus, um landwirtschaftliche Flächen exakt zu erkennen.(c) Spot Image/CNES/ESA
  • Drucken

Eine digitale Bildbearbeitung macht mithilfe künstlicher Intelligenz Details sichtbar, die auf dem Original gar nicht enthalten sind. Diese Entwicklung aus Wien kann die Nachhaltigkeit in der Landwirtschaft stärken und Pflanzenbewuchs erkennbar machen.

Mit dem Aufhübschen von Urlaubsbildern oder mit Anwendungen wie Photoshop hat es wenig zu tun, was die Wissenschaftler der Forschungseinrichtung VRVis (Zentrum für Virtual Reality und Visualisierung) in Wien gerade austüfteln. Vielmehr geht es darum, mit ausgeklügelten Methoden Bilddaten auf Fotos zu rekonstruieren, die aufgrund schlechter räumlicher Auflösung auf dem Original gar nicht enthalten sind. Das können selbst ausgefeilte Programme am Büro-Computer nicht. Denn dahinter stecken ein komplizierter Algorithmus sowie künstliche Intelligenz und eine besondere Art des maschinellen Lernens.

Um ihr System zu perfektionieren, arbeiten die Entwickler mit Fotos aus dem Weltall: Die beiden Sentinel-2-Satelliten, die die Europäische Weltraumagentur ESA im Rahmen ihrer Copernicus-Mission in die Erdumlaufbahn geschickt hat, fotografieren laufend die Oberfläche des Planeten und stellen ihre Daten frei zur Verfügung. Zahlreiche Einrichtungen greifen darauf zurück. Unter anderem auch die AMA (Agrarmarkt Austria), wenn es um Anträge für EU-Subvention nachhaltiger Landwirtschaft geht. Anhand der Satellitenfotos wird unter anderem geprüft, welche Pflanzen auf den betreffenden Anbauflächen gezogen werden oder wann gemäht bzw. geerntet wird. All das ist auf den Bildern, für die jede Region der Welt in Abständen von etwa fünf Tagen überflogen wird, normalerweise erkennbar. Ausnahme: „Bei besonders schmalen oder zerklüfteten Flächen reicht die räumliche Auflösung der Satellitenfotos, die alle zehn Meter einen Bildpunkt setzt, nicht aus“, erklärt Daniel Cornel vom VRVis. Laut EU müssen die AMA-Prüfer ab nächstem Jahr in solchen Fällen vor Ort ausrücken oder zumindest eigens angefertigte Detailfotos der Anbauflächen von den Landwirten anfordern.

„Von den rund 2,7 Millionen landwirtschaftlichen Flächen in Österreich betrifft das etwa ein Drittel“, weiß Cornel. Weil die EU-Vorgabe einen enormen Aufwand verursachen würde, versuchen VRVis und AMA nun mit dem IT-Serviceunternehmen EOX und der Uni Salzburg, die Satellitenfotos digital zu verbessern. Die Bilder sollen z. B. Aufschlüsse über die Art der angebauten Pflanzen geben, obwohl die Originalfotos aufgrund der zu geringen Auflösung keine eindeutigen Informationen dazu enthalten. Die fehlenden Daten müssen also erschlossen werden. „Die Aufnahmen mithilfe von KI-Verfahren in eine höhere Auflösung umzuwandeln, wie das bei alten Filmen geschieht, die man Blu-Ray-tauglich macht, bringt nichts. Weil das neue Bild zwar vielleicht schöner aussieht, aber keine zusätzliche Information enthält“, sagt Cornel.

„Finde den Fehler“ wird automatisiert

Die Forschenden arbeiten stattdessen an einem Verfahren des Maschinenlernens, bei dem das neuronale Netz mit Bildpaaren gefüttert wird: Der Algorithmus lernt, fehlende Bildinformationen zu ergänzen, indem ihm höher aufgelöste vollständige Bilder als Vergleich dargeboten werden. Neu erzeugte Bilder werden dann in Hinblick auf die Pflanzenerkennung überprüft. Die Rückmeldungen darüber, ob der Algorithmus richtig oder falsch „geraten“ hat, fließen ins System ein.

„Wir verbessern den Trainingsprozess“, sagt Cornel. Gelingt das, wären ein vollständiges Monitoring der landwirtschaftlichen Anbauflächen sowie ein Verfolgen von Veränderungen im Laufe der Zeit möglich. Das sei letztlich ein Beitrag zur Sicherstellung der Nachhaltigkeit und zum Erhalt der Biodiversität. Zudem können die Erkenntnisse auch in die Klimaforschung einfließen.

("Die Presse", Print-Ausgabe, 21.05.2022)