Environmental Remote Sensing Lab

© Hanna Meyer based on Sentinel-2 data
Hyperspektrale Referenzmessungen am Boden, hier im Hochland von Tibet.
© Hanna Meyer

Die Erfassung räumlich kontinuierlicher Daten und raum-zeitlicher Dynamiken aus Fernerkundungsinformationen ist ein Forschungsschwerpunkt der Umweltwissenschaften. Zu diesem Ziel sind Modellierungsmethoden erforderlich, die es ermöglichen, aus limitierten Felddaten raum-zeitliche Informationen abzuleiten. Die Komplexität von Umweltsystemen erfordert dabei die Verwendung von Modellierungsstrategien, die es erlauben, komplexe Zusammenhänge zwischen einer Vielzahl von Variablen zu berücksichtigen.

In diesem Zusammenhang ist der Forschungsschwerpunkt der Arbeitsgruppe ist die Erfassung raum-zeitlicher Dynamiken von Umweltvariablen und Prozessen aus Fernerkundungsdaten und mittels aktueller maschineller Lernverfahren. Damit befindet sich die Arbeitsgruppe an der Schnittstelle zwischen der Geoinformatik und Landschaftsökologie und hat das Ziel durch Satellitendatenverarbeitung, Modellierung und Simulationen zu einem Erkenntnisgewinn in der Ökosystemforschung beizutragen. In diesem Zusammenhang beschäftigen wir uns mit einem breiten Themenspektrum landschaftsökologischer Fragestellungen, insbesondere der Ökologie, Klimatologie und Bodenkunde, und über ein breites Spektrum von zeitlichen, räumlichen und spektralen Skalen.

(https://xkcd.com/1838/ CC BY-NC 2.5) Ein Arbeitsschwerpunkt ist die Entwicklung robuster maschineller Lernstrategien für räumliche und raum-zeitliche Daten
© CC BY-NC 2.5

Eine entscheidende Rolle spielt dabei auch die Weiterentwicklung von maschinellen Lernverfahren in der Fernerkundung. Obwohl diese Verfahren schon seit langem eingesetzt werden finden die Eigenschaften geographischer Daten in den Verfahren kaum Berücksichtigung. Insbesondere die räumliche Autokorrelation erfordert jedoch die Entwicklung neuer Strategien um zuverlässige Umweltdatensätze aus Fernerkundungsinformationen zu generieren. Deshalb arbeiten wir neben der Anwendung von Fernerkundungsdaten zur Erfassung landschaftsökologisch relevanter Parameter auch an methodischen Weiterentwicklung von Funktionalitäten insbesondere zur Anwendung maschineller Lernverfahren für räumliche Daten sowohl auf der konzeptionellen Ebene als auch als Softwareimplementierungen vor allem in R.