Vielleicht kennt Ihr das Problem: Während topografische Inhalte wie beispielsweise Straßen und Gebäude in OpenStreetMap extrem detailliert eingetragen sind, weisen Flächeninformationen (Landnutzung wie Felder der Wälder) oft große Lücken auf. Zudem verschwimmen im OSM-Tagging-System häufig die Grenzen zwischen tatsächlicher Landnutzung (Landuse) und der physischen Bodenbedeckung (Landcover).
OSM4EO (OpenStreetMap for Earth Observation) ist ein wissenschaftliches Projekt und Framework, das von Dr. Michael Schultz und dem Heidelberger Institut für Geoinformationstechnologie HeiGIT [1] bzw. der Universität Heidelberg entwickelt wurde. Das Hauptziel von OSM4EO ist es, die Daten von OpenStreetMap (OSM) mit Satellitenfernerkundungsdaten (wie den Copernicus-Sentinel-Satelliten der ESA) zu fusionieren. Dadurch werden lückenlose, hochauflösende Landuse- und Landcover-Karten (LULC) generiert. Das Projekt nutzt Deep Learning (Deep Residual Convolutional Neural Networks), um die Lücken zu füllen. Dabei dienen bestehende, verifizierte OSM-Flächen als Trainingsdaten für die KI, um Oberflächenstrukturen auf Satellitenbildern zu erkennen. Das Modell prognostiziert anschließend die fehlenden Flächenbedeckungen flächendeckend.
Wo findet man die Daten und wie kann darauf zugegriffen werden?
- WebGIS-Plattform: Die Ergebnisse und prognostizierten Schichten (z. B. der Layer osmlanduse:osm4eo) sind direkt auf der interaktiven Plattform osmlanduse.org [2] einsehbar
- GIS-Integration: Über WMS-Dienste (Web Map Services) von HeiGIT [3] lässt sich drei verschieden Layer auch direkt in GIS-Software wie QGIS einbinden.
- Daten-Download: Die fertigen LULC-Datensätze (z. B. für die gesamte Europäische Union als GeoTIFF) stehen Forschern und Entwicklern frei über das Repositorium HeiData zur Verfügung.
- Quellcode & Modelle: Der Python-Quellcode für die Deep-Learning-Methodik sowie vortrainierte Modelle für verschiedene EU-Länder sind auf GitHub (schultzheidelberg) [5] gehostet.
Übrigens:
Seit gestern sind diese Layer auch im QGIS über der Geobasis_Loader [4], Katalog 3 (Welt) verfügbar.
(Hinweis: Die Erstellung dieses Beitrages wurde durch KI unterstützt, die Verantwortung liegt beim Autor)
[1] … https://heigit.org/
[2] … https://osmlanduse.org/
[3] … https://maps.heigit.org/osmlanduse/service
[4] … https://geobasisloader.de
[5] … https://github.com/schultzheidelberg/OpenStreetMap-land-use-for-Europe-2020
