Detaillierte Waldüberwachung mittels skalierbarer KI-Methoden (Al4Forest)

Grunddaten zu diesem Projekt

Art des ProjektesBeteiligung in einem BMBF-Verbund
Laufzeit an der Universität Münster01.06.2023 - 31.05.2027

Beschreibung

Der Klimawandel ist eine der größten Herausforderungen, die die Menschheit im laufe dieses Jahrhunderts zu bewältigen hat. Dabei ist der Erhalt von Ökosystemen, insbesondere von Wäldern, ein wichtiger Bestandteil von Strategien zur Anpassung an den Klimawandel und zur Eindämmung des Klimawandels. Aktuelle und hochauflösende Informationen über den Zustand und die Kohlenstoffbilanz der Wälder in der EU und weltweit sind in diesem Kontext von entscheidender Bedeutung. Sie können helfen, den aktuellen Zustand der Kohlenstoffsenken in den Wäldern zu bewerten, ihren künftigen Zustand vorherzusagen und geeignete Maßnahmen gegen den Waldverlust und für verbesserte Waldbewirtschaftungsstrategien zu ergreifen. Fortschritte sowohl im Bereich der Erdbeobachtung als auch im Bereich der künstlichen Intelligenz (KI) haben den Weg für eine automatisierte Überwachung von Wäldern mithilfe von Satellitendaten geebnet. Al4Forest wird neue Waldkarten von Europa und der ganzen Welt mit einer bisher unerreichten räumlichen und zeitlichen Auflösung und Präzision liefern. Erreicht werden soll dies durch die Entwicklung von speziellen und an die Bedürfnisse der Daten und Aufgaben angepassten KI-Methoden.

StichwörterKlimawandel; Wald; Kohlenstoffbilanz
Förderkennzeichen01IS23025A
Mittelgeber / Förderformat
  • Bundesministerium für Bildung und Forschung (BMBF)

Projektleitung der Universität Münster

Gieseke, Fabian
Lehrstuhl für Maschinelles Lernen und Data Engineering (Prof. Gieseke) (MLDE)

Antragsteller*innen der Universität Münster

Gieseke, Fabian
Lehrstuhl für Maschinelles Lernen und Data Engineering (Prof. Gieseke) (MLDE)

Projektbeteiligte Organisationen außerhalb der Universität Münster

  • Zuse-Institut Berlin (ZIB)Deutschland
  • Technische Universität München (TUM)Deutschland