TUM Forschung zur Signalverarbeitung und Datenwissenschaft in der Erdbeobachtung / Data Science in Earth Observation 2022
Beschreibung (Caption):
Forscher kombinieren große Datenmengen und multisensorische Erdbeobachtung mit Deep Learning-Techniken, um lokale
klimatische Zonen und Städte weltweit zu kartieren. Diese dient als wichtige
Informationsgrundlage um städtische Hitzeinseln zu entdecken. Im Bild ist München zu sehen.
An der TUM School of Engineering and Design forscht auf diesem Gebiet Xiaoxiang Zhu, Professorin für Datenwissenschaft in der Erdbeobachtung an der TUM und Leiterin des Zukunftslabors zur künstlichen Intelligenz in der Erdbeobachtung. Sie erforscht wie innovative Methoden des maschinellen Lernens und Big-Data-Analyse das Sammeln umfangreicher Geoinformationen erheblich verbessern. Damit sollen Durchbrüche bei der Bewältigung großer gesellschaftlicher Herausforderungen wie Urbanisierung und Klimawandel und die Ziele für nachhaltige Entwicklung der Vereinten Nationen erreicht werden.
ENGLISH VERSION: Combined big and multisensory Earth observation data with deep learning, researchers maps the local climate zones of cities across the globe. It can serve as important information basis for detecting potential urban heat islands. (Example of Munich).
At TUM School of Engineering and Design, Prof. Xiaoxiang Zhu, head of the future laboratory for artificial intelligence in earth observation conducts research on this area. Geoinformation derived from Earth observation satellite data is indispensable for tackling grand societal challenges. Among them energy, urbanization, climate change, ecology, food security and environment are crucial for shaping a sustainable future. Furthermore, Earth observation has irreversibly arrived in the Big Data era, e.g. with ESA’s Sentinel satellites and with the blooming of NewSpace companies. This requires not only new technological approaches to manage and process large amounts of data, but also new analysis methods. Here, methods of data science and artificial intelligence (AI), such as machine learning, become indispensable.
Publication: Xiao Xiang Zhu, Chunping Qiu, Jingliang Hu, Yilei Shi, Yuanyuan Wang, Michael Schmitt, Hannes Taubenböck (2022). The Urban Morphology on Our Planet - Global perspectives from Space. Remote Sensing of Environment, 269, pp. 112794.
https://www.sciencedirect.com/science/article/pii/S0034425721005149
Foto/Photo: TUM
Verwendung frei für die Berichterstattung über die TUM bei Nennung des Copyrights / Free for use in reporting on TUM, with the copyright noted.
Stichwörter (Keywords):
Datenwissenschaft; Maschinelles Lernen; Mustererkennung; Big-Data; Erdbeobachtung; Künstliche Intelligenz; Geowissenschaft; Umweltwissenschaft; Geoinformation; Data Science; Earth Observation; Big Data; Artificial Intelligence; AI; Global Urbanization; Climate Change; Data Science; TUM School of Engineering and Design; Munich Data Science Institute (MDSI)
Wissenschaftsgebiet (Research Area):
Ingenieurwissenschaften
Fakultät / Einrichtung der TUM (University department or unit):
TUM School of Engineering and Design; Signalverarbeitung und Datenwissenschaft in der Erdbeobachtung; Data Science in Earth Observation
Stadt/Ort (Location):
München, Bayern, Deutschland / Munich, Bavaria, Germany
Datum (Date created):
2022
Urheber/in (Creator/By-Line):
TUM
Copyright (Copyright-Notice):
TUM
Nutzungsbedingungen (Rights usage terms):
Verwendung frei für die Berichterstattung über die TUM bei Nennung des Copyrights / Free for use in reporting on TUM, with the copyright noted
Login