Sztuczna inteligencja sposobem na wykorzystanie danych satelitarnych
Copernicus, komponent unijnego programu kosmicznego dotyczący obserwacji Ziemi, dostarcza informacji pochodzących z satelitów i danych in situ niedotyczących kosmosu. Usługa ta stanowi źródło krytycznych danych wykorzystywanych w prognozach pogody, rolnictwie i reagowaniu kryzysowym. W ramach tej usługi rodzina satelitów o nazwie Sentinel wykonuje określone zadania związane z monitorowaniem lądu, oceanów i atmosfery. Chociaż gromadzone informacje są bezpłatne i dostępne dla wszystkich użytkowników, jest ich tak dużo, że poruszanie się po nich może nastręczać trudności. „Archiwa danych satelitarnych stają się coraz większe i coraz bardziej różnorodne”, mówi koordynatorka projektu BigEarth Begum Demir z BIFOLD i TU Berlin w Niemczech. „Aby umożliwić znajdowanie przydatnych informacji, musimy opracować bardziej skalowalne metody wyszukiwania danych”.
Przeszukiwanie archiwów danych satelitarnych
W ramach projektu BigEarth, wspieranego przez Europejską Radę ds. Badań Naukowych, opracowano nowe metody, podejścia i narzędzia umożliwiające ekstrakcję informacji z istniejących archiwów danych satelitarnych. Jego pomysłodawcy postawili sobie za cel lepsze wykorzystanie ogromnych ilości gromadzonych obecnie danych satelitarnych. Kluczowym przełomem było opracowanie podejścia bazującego na przeszukiwaniu archiwów danych za pomocą obrazów. „Specjalizujemy się przede wszystkim w opracowywaniu modeli uczenia maszynowego do analizy danych satelitarnych na dużą skalę”, wyjaśnia Demir. Badacze opracowali algorytmy do analizy, modelowania i pobierania danych z ogromnych archiwów w skalowalny sposób. Technika ta została zaprojektowana w taki sposób, aby była łatwa w użyciu i dostępna dla specjalistów różnych dyscyplin.
Prototypowa wyszukiwarka obrazów satelitarnych
„Załóżmy, że dowiadujemy się z mediów o pożarze lasu w Amazonii”, mówi Demir. „Być może mają miejsce także inne pożary, ale nikt o nich nie wie. Po wprowadzeniu obrazu pożaru lasu można przeszukać bazę danych pod kątem podobnych zdarzeń”. Technikę tę można potencjalnie zastosować także do wyszukania określonego minerału ukrytego w archiwach danych satelitarnych. Przeszukiwanie archiwum przy pomocy przykładowego obrazu może pozwolić na dokładne zlokalizowanie miejsca występowania tego minerału na Ziemi. Pobrane dane są geolokalizowane i opatrzone znacznikiem czasu. Podczas gdy zespół BigEarth koncentrował się na podstawach rozwoju nowych algorytmów i wyszukiwaniu przy pomocy zapytań, uruchomiono także dodatkowy projekt mający na celu opracowanie działającego prototypu wyszukiwarki. Zaprezentowano go agencjom kosmicznym, w tym Europejskiej Agencji Kosmicznej (ESA), podczas warsztatów zorganizowanych w końcowej fazie projektu. „Ponieważ jesteśmy jedynie zespołem badawczym, dbanie o bieżące funkcjonowanie prototypowej wyszukiwarki przekroczyłoby nasze możliwości”, dodaje Demir. „Postanowiliśmy zatem przekonać się, czy agencje kosmiczne, w tym ESA, mogłyby wykorzystać nasze know-how i dodać narzędzie do swoich usług”.
Wsparcie rozwoju platformy Copernicus Data Space Ecosystem
Zespół projektu chce umożliwić użytkownikom końcowym sprawniejsze poruszanie się po ogromnej ilości dostępnych danych satelitarnych oraz szybkie i skuteczne znajdowanie informacji. Może to pomóc meteorologom w dokładniejszym prognozowaniu zjawisk atmosferycznych, a oceanografom w rejestrowaniu zmian temperatury morza. Pozwoliłoby także na precyzyjne mapowanie siedlisk i procesów takich jak wylesianie. Przedmiotem szczególnego zainteresowania badaczy jest także to, w jaki sposób koncepcja wyszukiwarki BigEarth mogłaby zostać w dalszej perspektywie włączona do platformy Copernicus Data Space Ecosystem. W tej otwartej platformie chmurowe udostępniane są dane z satelitów Sentinel. Demir i jej współpracownicy liczą, że dodanie wyszukiwania opartego na obrazach pozwoli znacząco poprawić użyteczność platformy.
Słowa kluczowe
BigEarth, SI, satelita, klimat, Copernicus, ESA, wylesianie
