MiSa.C
Minimaler Stichprobenklassifikator
Im Rahmen des Naturschutzes ist die Kartierung von Lebensräumen und die Klassifizierung von Landschaftstypen eine wichtige Maßnahme. Die visuelle Kartierung von natürlichen oder naturnahen Landschaften erfordert ein hohes Maß an Fachwissen und ist sehr anspruchsvoll und zeitaufwendig. Im zunehmenden Maße werden Verfahren der künstlichen Intelligenz (KI) eingesetzt, um solche Kartierungen automatisch aus Luft- und Satellitenbildern abzuleiten. Allerdings sind die Ergebnisse für Expert:innen oft nicht nachvollziehbar oder unplausibel.
MiSa.C wurde entwickelt, um das Fachwissen der Nutzer:innen interaktiv in einen Klassifizierungsprozess mit maschinellem Lernen einzubinden. So können Nutzer:innen von der künstlichen Intelligenz profitieren und haben dennoch die volle Kontrolle über die Kartierungsergebnisse. Die einzigen erforderlichen Eingabedaten sind der zu klassifizierende Bilddatensatz und ein Referenzpunkt pro Landbedeckungsklasse. Das Tool nutzt Bildstatistiken sowie maschinelles Lernen, um automatisch einen erweiterten Satz neutraler und umfassender Trainingsdaten und Modellergebnisse zu erstellen.
Da es im Kern auf maschinelles Lernen setzt, zielt MiSa.C auf die Nutzung mehrerer Bildquellen ab, die in einem 4D-Datenwürfel (2D-Raum, Zeit und ein Beobachtungswert) bereitgestellt werden, z. B. eine Kombination aus optischen Bildern, Radarbildern und einem digitalen Höhenmodell oder anderen, um effektivere Klassifizierungen und eine breitere Palette von Anwendungsszenarien zu ermöglichen.
MiSa.C ist ein dreistufiger Klassifizierungsprozess über eine Web-App, die in der Cloud läuft. Sein größter Vorteil ist die Möglichkeit, Expertenwissen in den Klassifizierungsprozess einfließen zu lassen. Entweder durch Parametereinstellung oder durch einen Schwellenwert, der die Abgrenzung der Landbedeckungsklasse steuert, unterstützt MiSa.C Nutzer:innen mit unterschiedlichem Wissensstand während des Klassifizierungsprozesses.
Wenn Sie MiSa.C testen möchten, bestellen Sie bitte hier ein kostenloses Demokonto:
fernlab@gfz.de
Wie MiSa.C funktioniert, erfährst du in unserer Git-Dokumentation:
https://git.gfz-potsdam.de/fernlab/helpdesk/misac
Informieren Sie sich über die Nutzungsbedingungen
Nehmen Sie Kontakt mit uns auf!
Treffen Sie uns
Helmholtz-Zentrum für Geoforschung
Telegrafenberg
14473 Potsdam