Wolken mit Machine Learning erkennen

Neue Lösungen auf Basis vorhandener Technologien

CI4Clouds

1. Stets sind 55% der Erdoberfläche bewölkt.
2. Machine Learning kann menschliche Schwächen effektiv kompensieren.
3. Satelliten beobachten die Erdoberfläche fortlaufend mit vielfältigen Instrumenten.

Von diesen drei Fakten ausgehend haben wir unser Know-How im Machine Learning eingesetzt, um vorhandene Satellitendaten über ihren Zweck hinaus weiter zu verwenden und Wolken zuverlässig zu erkennen.

Michael Aspetsberger, Industry Focus Leader Aerospace at Cloudflight

Michael Aspetsberger
Industry Focus
Leader Aerospace

Kontaktieren Sie uns

Was ist CI4Clouds?

Die Sache mit den Wolken

Satelliten liefern uns fortwährend optische Daten unterschiedlicher Wellenlängen von der Erdoberfläche. Die Schwierigkeit besteht in der Erkennung von Wolken. Fehler haben dabei gravierende Auswirkungen auf weitere Algorithmen in der Prozesskette, wenn diese klare Sichtverhältnisse voraussetzen. 55% der Erdoberfläche sind stets bewölkt.

GOCI

Das Projekt Computational Intelligence 4 Clouds – CI4Clouds – erkennt Wolken anhand von Satellitenfotos, wie z.B. vom koreanischen GOCI-Satelliteninstrument. GOCI, der Geostationary Ocean Color Imager, wurde ursprünglich zur Meeresbeobachtung rund um Korea, Japan und Ost-China konstruiert. Über 2 Milliarden Menschen leben dort. Unser Projektpartner ist die Zentralanstalt für Meteorologie und Geodynamik (ZAMG).

Lösung

Wir lassen eine Reihe von Machine-Learning-Algorithmen gegeneinander antreten: Deep Learning (DL) und Convolutional Neuronal Nets (CNN), Random Forests (RF) sowie Support Vector Machines (SVM).

Für die Trainingsphase setzen wir High-Performance-Hardware ein. Die Evaluierung wird dann gegen existierende Wolkenmasken für GOCI, sowie gegen europäische und amerikanische Produkte durchgeführt.

RF ist der Sieger unter den Algorithmen. RF ist außerdem leistungsfähiger als andere Wolkenmasken-Produkte. Durch fachspezifische Vor- und Nachbearbeitung werden die Ergebnisse noch weiter verbessert.

GOCI satellite instrument
Testbench: various algorithms compete against each other
Testbench: various Machine Learning algorithms compete against each other (DL = Deep Learning; SVM = Support Vector Machine; CNN = Convolutional Neural Network; RF = Random Forests)
Winner: Random Forests

Dieses Projekt wurde in einer Partnerschaft von ZAMG und Cloudflight durchgeführt. CI4Clouds wurde vom Bundesministerium für Verkehr, Innovation und Technologie (bmvit, mittlerweile BMK) im Rahmen des Programms IKT der Zukunft im Zeitraum 2015-2016 gefördert.

  • Haben Sie jemals über die Grenzen des Himmels hinaus gedacht?
  • Sie wissen nicht, ob Ihr Problem mit Machine Learning lösbar ist?
  • Brauchen Sie High-Performance-Computing-Expertise, um Ihre Herausforderungen zu lösen?
Bernhard Niedermayer, Head of Emerging Technologies at Cloudflight

Bernhard Niedermayer

Head of Emerging Technologies

Flip van Eijndhoven

Business Consultant Aerospace
Flip has joined the Cloudflight community in 2020 to help the aerospace industry grow from Amsterdam. He has more than a decade of experience in advising companies on their innovations and technical solutions.

Kontaktieren Sie uns

Stay tuned!

Melden Sie sich zu unserem Monthly Wrap-Up an und erhalten Sie Zugang zu exklusivem Material sowie Updates zu unseren Technologien, Research-Themen und Events. Ihre Einstellungen können Sie jederzeit bearbeiten.

Menü