Esri betreut Studierende bei der Erstellung von Bachelor- und Masterarbeiten im Bereich Geo Intelligence. An der Esri Konferenz vom 3./4. März 2020 im WCC Bonn haben wir einen eigenen Stand: «Esri in Bildung und Wissenschaft». Deshalb präsentieren wir euch ein Best-Practice-Beispiel.
Wolfgang Deigele (26) hat an der Technischen Universität München studiert und im Frühling 2020 sein Masterstudium in Geoinformatik abgeschlossen. Seine Masterarbeit (MA) betreute Esri Senior Scientist Dr. Melanie Brandmeier. Wir haben Wolfgang Deigele ein paar Fragen gestellt.
Wolfgang, Du hast Deine MA bei Esri geschrieben. Zu welchem Thema?
Das Thema meiner Arbeit lautet «Wind throw detection using deep learning on PlanetScope and high-resolution airborne images». Es geht im Grunde um die Erkennung von Sturmschäden im Wald anhand von Satelliten- und Luftbilddaten mittels Deep Learning.
Eine wichtige Rolle spielten auch GIS beziehungsweise die Künstliche Intelligenz an räumlichen Daten, kurz GeoAI. ArcGIS Pro bietet Werkzeuge zur Integration von state-of-the-art deep learning Algorithmen für die Klassifikation und Objekterkennung.
Wieso waren GIS und GeoAI so wichtig?
Die Daten für meine MA wurden mit ArcGIS Pro vorverarbeitet. Dann wurden die mit Deep Learning trainierten Netzwerke wieder in die Software integriert. Das ermöglicht nicht nur eine sehr gute Erkennung der Sturmschäden, sondern auch eine weitere Verarbeitung der Ergebnisse in Form von Polygonen im Vektor-Format.
Wolfgang Deigele hat seine Masterarbeit Ende Februar fertiggestellt. Sie wurde noch nicht veröffentlicht. Wir reichen den Link nach, sobald er verfügbar ist. Auf dieser Arbeit baut seine Masterarbeit auf.
Ohne GIS, in diesem Fall ArcGIS Pro, hätte der entscheidende Faktor für den Mehrwert in der Praxis gefehlt. Durch die sehr einfache, direkte Ausführung der trainierten Netzwerke in ArcGIS Pro oder auf dem Image Server entsteht für die Forstwirtschaft ein skalierbarer Workflow für künftige Stürme.
Ergebnisse können direkt auf mobilen Endgeräten zur Planung weiterer forstlicher Maßnahmen genutzt werden – und das alles ohne Programmierkenntnisse der Nutzer.
Welche Bedeutung hat GIS/GeoAI Deiner Meinung nach für die Forstwirtschaft? Welche Tendenzen und Entwicklungen siehst Du?
GIS an sich spielt schon lange eine wichtige Rolle in der Forstwirtschaft. Es wird in Zukunft noch mehr in Richtung Automatisierung von Arbeitsabläufen gehen. Wichtiger werden zudem mobile Anwendungen.
Für die reine Erkennung von Mustern im Wald anhand von Bilddaten spielt Deep Learning/GeoAI schon bald eine sehr große Rolle. Der Arbeitsaufwand für manuelle Digitalisierung sinkt massiv, und die Ergebnisse sind je nach Anwendungsgebiet vergleichbar in ihrer Genauigkeit.
Interessant ist auch, dass wir eine Datenbasis für Prognosezwecke erhalten. Sind einmal genügend Trainingsdaten vorhanden, zum Beispiel von verschiedenen Stürmen in unterschiedlichen Jahren, kann ein vorhandenes Modell zukünftige Schäden erkennen, ohne dass es vorher erst angepasst werden muss.
Deep Learning an sich kann aber auch für andere Forsteinwirkungen verwendet werden. Ich denke da zum Beispiel an Feuerschaden oder Borkenkäferbefall. Dadurch spart man wirklich sehr viel Zeit. Eventuell werden so sogar genauere Ergebnisse erzielt als bei manueller Bearbeitung.
Ich denke, es wird sich sehr viel tun in den nächsten Jahren im Bereich von GeoAI in der Forstwirtschaft. Aber natürlich nicht nur dort, sondern eigentlich überall wird sich GeoAI durchsetzen.
Gut zu wissen:
Auf der Esri Konferenz vom 3./4. März 2020 sind wir vom Esri Education Team mit einem eigenen Stand vertreten. Interessante Kontakte knüpfen, Networking, Austausch – «Esri in Bildung und Wissenschaft» ist die ideale Plattform für Studierende, Absolvent*Innen und Young Professionals. Wir präsentieren mögliche Themen für Abschlussarbeiten. Zudem erfahrt ihr direkt und aus erster Hand, wie ihr mit Esri am erfolgreichsten in Kontakt tretet. Kommt vorbei, es lohnt sich auf jeden Fall.
Vergünstigte Tickets anfragen.
Das Interview führte: Cello Rüegg
