UFZ-Forscher entwickeln eine Methodik, mit der sie aus Satellitendaten dank Künstlicher Intelligenz bestimmen können, wie intensiv Wiesen und Weiden genutzt werden. Eine Pressemitteilung des Helmholtz-Zentrums für Umweltforschung (UFZ). Quelle: Helmholtz-Zentrum für Umweltforschung (UFZ) 9. Juni 2022. 9. Juni 2022 – Extensiv genutztes Grünland beherbergt eine hohe Artenvielfalt, übernimmt als Kohlenstoffspeicher eine wichtige Funktion für den […]
In Zusammenarbeit mit der Weltbank wurden alle afrikanischen Siedlungen mit mehr als 10.000 Einwohnern aus dem All erfasst. Die Erdbeobachtungsdaten helfen, kritische Entwicklungen zu erkennen und Städte besser auf Naturgefahren vorzubereiten. Das Deutsche Fernerkundungsdatenzentrum (DFD) verknüpft seine World Settlement Footprint (WSF) Produkte mit anderen Datenbanken. Methoden des Maschinellen Lernens helfen bei der Verarbeitung der riesigen
DLR: Wo sind Menschen in Afrika durch Naturkatastrophen bedroht? Weiterlesen »
Mit Hilfe eines künstlichen neuronalen Netzwerks haben ETH-Forschende eine erste hochaufgelöste globale Vegetationshöhen-Karte aus Satellitenbildern für das Jahr 2020 erstellt. Die Karte könnte entscheidende Hinweise gegen den Klimawandel und das Artensterben liefern. Eine Pressemitteilung der ETH Zürich. Quelle: ETH Zürich. 20. April 2022 – Seit letztem Jahr befinden wir uns in der UN-Dekade für die
Neuronales Netzwerk kann Baumhöhen von Satellitenbildern ablesen Weiterlesen »
Im Verbundprojekt MapInWild werden Deep Learning-Methoden zur Kartierung von Wildnisgebieten mittels Satellitenbilddaten entwickelt. Eine Pressemitteilung der Universität Bonn. Quelle: Universität Bonn. 11. Februar 2022 – Veränderungen auf der Erde können heute nahezu in Echtzeit beobachtet werden, denn viele Satelliten im Weltall sind mit Kameras und Sensoren genau dafür ausgestattet. Sei es der Rückgang von Gletschern,
Forschende trainieren ein neuronales Netz darauf, in nur wenigen Sekunden die Eigenschaften verschmelzender schwarzen Löcher anhand der abgestrahlten Gravitationswellen präzise abzuschätzen. Das Netzwerk bestimmt die Massen und Eigendrehimpulse der schwarzen Löcher, sowie wo am Himmel, in welchem Winkel und wie weit von der Erde entfernt die Verschmelzung stattgefunden hat. Eine Pressemitteilung des Max-Planck-Instituts für Intelligente
Neuronales Netz analysiert Gravitationswellen in Echtzeit Weiterlesen »
