Referentin: Ass. Prof. Konstantin Klemmer (University College London)
Erdbeobachtungsdaten erfassen die natürliche und bebaute Umwelt unseres Planeten. Sie liegen in verschiedenen Formen vor, von Satellitenbildern bis hin zu In-situ-Messungen. Sie können Entscheidungsprozesse sowohl im privaten als auch im öffentlichen Sektor unterstützen, wie z. B. bei der Verbesserung von Hochwasserresilienz oder Ernteertragsprognosen. Da die riesigen Datenmengen jedoch oft unstrukturiert, unbeschriftet und multimodal vorliegen, ist deren Analyse häufig schwierig. Im Vortrag wird eine neue Klasse von Repräsentationen vorgestellt, die speziell für Erdbeobachtungsdaten entwickelt wurde: Earth Embeddings. Ansätze für Earth Embeddings kombinieren die Skalierbarkeit neuronaler Netze mit georäumlichem Fachwissen und traditionellen Erkenntnissen aus der Geodäsie und der -statistik. Es handelt sich um universelle Deskriptoren von Standortinformationen, die natürliche und physische Merkmale umfassen. Earth Embeddings sind leistungsstarke Merkmale für die nachgelagerte Modellierung und können dazu beitragen, langjährige Herausforderungen im georäumlichen maschinellen Lernen zu bewältigen.