Bei der Überwachung von Waldbränden liegt eine der größten Herausforderungen in der Unterscheidung zwischen verbrannten und nicht verbrannten Flächen und der Beurteilung des Schadensausmaßes. Genau diese Unterscheidung unterstützt die Einsatzkräfte wesentlich in ihrer Entscheidungsfindung. Satellitenbilder, die mit detaillierten zeitlichen Informationen und Spektraldaten angereichert sind, bieten in Verbindung mit den Fortschritten im Bereich des maschinellen Lernens eine Möglichkeit der automatisierten Überwachung und Verwaltung von Landschaften nach Waldbränden. Das Deep-Learning-Modell für Waldbrandschäden kann sich als unentbehrliches Werkzeug für die exakte Identifizierung und Kartierung der Folgen eines Waldbrands mithilfe von Satellitenbildern erweisen.
Bei dem vortrainierten Modell Prithvi-100M-burn-scar, welches das Ergebnis einer Zusammenarbeit zwischen der NASA und IBM ist, handelt es sich um eine Optimierung des Ausgangsmodells zur Erdbeobachtung Prithvi-100m, das auf dem Dataset HLS Burn Scar Scenes basiert. Mit diesem Modell lässt sich die Klassifizierung von Waldbrandschäden anhand von multispektralen Satellitenbildern automatisieren.
Lizenzanforderungen
Für diesen Workflow gelten die folgenden Lizenzanforderungen:
- ArcGIS Desktop: ArcGIS Image Analyst-Erweiterung für ArcGIS Pro
- ArcGIS Enterprise: ArcGIS Image Server mit konfigurierter Raster-Analyse
- ArcGIS Online: ArcGIS Image for ArcGIS Online
Modelldetails
Dieses Modell hat die folgenden Merkmale:
- Eingabe: Raster, Mosaik-Dataset oder Image-Service (6-Band-Komposit)
- Ausgabe: Klassifiziertes Raster mit zwei Klassen (keine Brandnarbe und Brandnarbe).
- Berechnung: Dieser Workflow ist rechenintensiv. Empfohlen wird eine GPU mit Compute Capability Version 6.0 oder höher.
- Eignung für Geographien: Das Modell eignet sich gut für den weltweiten Einsatz.
- Achitektur: Das Modell beinhaltet das Modell Prithvi-100M-burn-scar von IBM und NASA und verwendet einen selbstüberwachenden Encoder, der mit einer ViT-Architektur und der MAE-Lernstrategie (Masked AutoEncoder) entwickelt wurde.
- Trainingsdaten: Das Modell ist eine Optimierung des vortrainierten Modells Prithvi-100m, das auf dem Dataset HLS Burn Scar Scenes dataset basiert.
- Accuracy-Kennwerte: Das Modell hat eine Intersection Over Union von 0,73 für die Brandnarben-Klasse und eine allgemeine Accuracy von 96 Prozent.
Zugreifen auf das Modell und Herunterladen des Modells
Das vortrainierte Modell Prithvi - Burn Scars Segmentation steht im ArcGIS Living Atlas of the World zum Download zur Verfügung. Alternativ können Sie direkt über ArcGIS Pro auf das Modell zugreifen oder es in ArcGIS Image for ArcGIS Online verwenden.
- Navigieren Sie zum ArcGIS Living Atlas of the World.
- Melden Sie sich mit Ihren ArcGIS Online-Anmeldedaten an.
- Suchen Sie nach Prithvi - Burn Scars Segmentation, und öffnen Sie in den Suchergebnissen die entsprechende Elementseite.
- Klicken Sie auf die Schaltfläche Herunterladen, um das Modell herunterzuladen.
Sie können die heruntergeladene .dlpk-Datei direkt in ArcGIS Pro verwenden oder sie in ArcGIS Enterprise hochladen und dort verwenden. Außerdem können Sie das vortrainierte Modell bei Bedarf optimieren.
Versionshinweise
Es folgen die Versionshinweise:
| Datum | Beschreibung |
|---|---|
| Januar 2024 | Erste Version von "Prithvi - Burn Scars Segmentation" |