Google Research hat den Open Buildings 2.5D Temporal Dataset veröffentlicht, ein Projekt, das Gebäudeveränderungen im globalen Süden von 2016 bis 2023 verfolgt.
Dieser außergewöhnlich detaillierte Datensatz bietet einen dynamischen, jahresbezogenen Überblick über die Urbanisierung. Er erfasst den Bau, das Wachstum und die Umwandlung von Gebäuden in Regionen, in denen solche Daten lange Zeit nur spärlich oder gar nicht vorhanden waren.
John Quinn, ein Software-Ingenieur bei Google Research, erklärt warum das Projekt ist wichtig: "Nicht zu wissen, wo sich Gebäude befinden, ist aus vielen praktischen Gründen ein großes Problem. Wenn man Dienste oder Impfkampagnen einrichtet oder Menschen nach einem Notfall rettet, ist das ein Problem."
Der wichtigste Durchbruch des Tools besteht darin, dass es in der Lage ist, hochauflösende Erkenntnisse aus niedrig aufgelösten Sentinel-2-Satellitenbildern zu gewinnen.
Durch die Analyse von bis zu 32 zeitversetzten Bildern desselben Ortes kann die KI Strukturen erkennen, die weitaus kleiner sind als ein einziges Pixel.
Über die Erkennung hinaus schätzt das System die Gebäudehöhen mit bemerkenswerter Präzision - im Durchschnitt auf 1,5 Meter genau.
Auf diese Weise werden flache Satellitenbilder in reichhaltige, vielschichtige Daten umgewandelt, die Stadtplanern und humanitären Organisationen ein leistungsfähiges Instrument zum Verständnis von Bevölkerungsdichte und Ressourcenbedarf an die Hand geben.
Kartierung des globalen Südens
Der Begriff "Globaler Süden" bezieht sich in der Regel auf Entwicklungsländer in Afrika, Asien, Lateinamerika und der Karibik.
Diese Regionen, in denen die Mehrheit der Weltbevölkerung lebt, stehen oft vor der Herausforderung, eine qualitativ hochwertige Gesundheitsversorgung, Stadtentwicklung, Umweltschutz und Ressourcenmanagement zu gewährleisten.
Abdoulaye Diack, ein Programmmanager des Projekts, erklärte: "Wir wollen, dass die Menschen im globalen Süden, die politische Entscheidungen treffen, über die gleichen Instrumente verfügen wie der globale Norden."
Der Datensatz findet bereits praktische Anwendung. In Uganda wird der nonprofit Sunbird AI nutzt diese Daten für Projekte zur ländlichen Elektrifizierung.
WorldPopDas an der Universität Southampton angesiedelte Unternehmen nutzt es, um die Schätzungen der Weltbevölkerung zu verfeinern - wichtige Informationen für die Planung von Impfkampagnen bis hin zur Katastrophenhilfe.
Der Direktor von WorldPop, Professor Andrew Tatem, erklärte, warum diese Daten wichtig sind: "Zu wissen, wo die Menschen leben, ist entscheidend, um sicherzustellen, dass die Ressourcen gerecht verteilt werden und niemand bei der Bereitstellung von Dienstleistungen wie der Gesundheitsversorgung zurückbleibt."
Die KI verbessert die Satelliten- und 3D-Kartierung und ermöglicht genauere und zeitnahe Einblicke in das städtische Wachstum und die Veränderungen der Umwelt.
Zum Beispiel, ein Aktuelles Projekt von Aya Data in Ghana employed AI to analyze thousands of satellite images of South America, tracking changes in forests, urban areas, and agricultural land over several years.
Die Fähigkeit der KI, subtile Veränderungen zu erkennen, z. B. frühe Anzeichen von Abholzung oder neuen Erschließungen, fließt in die reale Landwirtschaft und Naturschutzpolitik ein.
Neben der Beobachtung langfristiger Veränderungen in der Umwelt ermöglicht KI den Forschern die Erkennung von und die Reaktion auf Bedrohungen wie illegale Abholzung, Wilderei und unerlaubte Änderungen der Landnutzung, die auf Satellitenbildern sichtbar sind.
Google räumt ein, dass sein Datensatz Grenzen hat. Anhaltende Bewölkung kann die Datenerfassung in einigen der feuchtesten Regionen der Welt behindern, und auch sehr kleine Strukturen können sich der Erfassung entziehen.
Dennoch ist der Open Buildings 2.5D Temporal Dataset ein hervorragendes Beispiel für die starke Synergie zwischen Datendemokratisierung und KI.
Durch die Demokratisierung des Zugangs zu komplexen Geodaten ebnet es den Weg für eine gerechtere Stadtplanung, Katastrophenvorsorge und nachhaltige Entwicklung auf globaler Ebene.
