Maschinelles Lernen zur Kartierung des globalen Wohlstands

Stanford researchers use machine learning to compare the nighttime lights in Africa – indicative of electricity and economic activity – with daytime satellite images of roads, urban areas, bodies of water and farmland. (Marshall Burke)
Forscher der Stanford University nutzen maschinelles Lernen zum Vergleich der nächtlichen Beleuchtung als Indiz für die wirtschaftliche Entwicklung mit Landnutzungsdaten. (Marshall Burke)

Der größeren Leistungsfähigkeit und Verfügbarkeit von Rechenkapazität ist es zu verdanken, dass Forscher der Stanford University nun ein Verfahren vorstellen konnten, mit dem anhand von großen Mengen von Satellitenbildern durch maschinelles Lernen Karten des globalen Wohlstands erzeugt werden können. Das automatisierte Verfahren eignet sich dazu, die sonst arbeitsintensive Erfassung von Wohlstandsdaten zu ersetzen oder zumindest auf ein Minimum zu begrenzen. Das Problem dvon nicht oder nur unzureichend vorhandenen Datengrundlagen ist eines der größten Probleme bei der Armutsbekämpfung, zu dessen Lösung das Verfahren beitragen soll.

Kern des Verfahrens ist das Trainieren eines künstlichen neuronalen Netzwerks (Artificial Neural Net, ANN). Zum Trainieren des Netzwerks werden Millionen von Satellitenaufnahmen von verschiedenen Tages- und Nachtzeiten genutzt, die mit vorliegenden Ground Truth Points, zu denen die untersuchten Attribute bekannt sind, verglichen werden. Das ANN kann am Ende selbstständig die Problemstellung lösen – hier also eine Karte erzeugen, die die wirtschaftliche Entwicklung in einem kleinen Maßstab darstellt.

Wie oft bei ANN der Fall, wissen die Forscher auch bei diesem neuronalen Netz nicht zu 100 Prozent, wie es zu seinen Ergebnisse kommt. Zwar haben die Forscher das Modell, das rd. 50 Millionen variable Parameter beinhaltet, selbst entwickelt. Doch wie die Kartierung genau durch das Modell erstellt wird, können sie nur intuitiv nachvollziehen.

Die Forscher halten den Ansatz für die Zukunft der Datenerhebung. Gerade vor dem Hintergrund der immer höher auflösenden (sowohl räumlich als auch zeitlich) Satellitenbildaufnahmen und der besseren Verfügbarkeit von ausreichender Rechenkapazität soll die Fernerkundung damit aufwändige Erhebungen vor Ort ersetzen und damit einen Beitrag zur Armutsbekämpfung leisten. 

Über Hannes Bartl 30 Artikel
Hier schreibt Hannes Bartl über Themen aus der Welt der Geoinformationstechnik. Nach einem Studium der Geografie absolviert er seit 2015 neben seinem Beruf als Berater für Kultur- und Tourismusmarketing ein Studium der Geoinformationssysteme.

Ersten Kommentar schreiben

Antworten

Deine E-Mail-Adresse wird nicht veröffentlicht.


*


*