Swedish Space Data Lab 2.0
National Space Data Lab 2.0 (SDL2.0) är ett samarbetsprojekt lett av AI Sweden, RISE, Luleå tekniska universitet (LTU) och Sveriges nationella rymdstyrelse (Rymdstyrelsen), och finansierat av den svenska myndigheten Vinnova.
Syfte
Målet med detta projekt är att etablera ett nationellt rymddatalabb som kommer att fungera som en central knutpunkt för forskning, innovation och samarbete fokuserat på användningen av jordobservationer. Projektet syftar till att föra samman industri, akademi och offentlig sektor för att utveckla nya produkter, tjänster och kunskap baserat på användningen av rymddata.
Som huvudfokus för SDL 2.0 utvecklar vi för närvarande en molnmaskmodell med hjälp av maskininlärningsalgoritmer för att förbättra Scene Classification Layer (SCL) som tillhandahålls av ESA i Sentinel-2-dataprodukten L2A.
Utmaning
Detektering av tunna moln är en välkänd utmaning och ett aktivt forskningsområde inom jordobservationssamhället (se exempelvis Skakun et al., 2022). Noggrann identifiering av tunna moln är avgörande för olika aktörer som arbetar med rymddata, inte bara för atmosfärstudier, utan också för att effektivt avvisa korrumperade bilder och minska nedladdnings- och bearbetningstiden för onödigt stora datasegment. Ett påtagligt användningsområde som belyser detta behov presenteras av Skogsstyrelsen i Sverige. För att övervaka tillståndet och storleken på skogsbeklädda områden i Sverige över tid krävs jordobservationer av samma region som sträcker sig över flera månader.
Emellertid, på grund av bristen på hög noggrannhet vid klassificering av molniga kontra klarhimmelbilder, slösas en betydande mängd tid och resurser bort på att ladda ner korrumperade bilder och manuellt inspektera individuella bilder en efter en. Även om detta kan verka som ett specifikt fall, tror vi att noggrann detektion av molnmask kan gynna många andra intressenter som för närvarande står inför liknande begränsningar.
Vårt tillvägagångssätt innebär att träna AI-baserade modeller med hjälp av syntetiska data från SMHI för att uppskatta molnens optiska tjocklek. För närvarande håller vi på att validera dessa modeller med hjälp av en dataset från Skogsstyrelsen i Sverige och andra tillgängliga dataset.
Fakta
Resultaten presenterades med ett poster bidrag vid EUMETSAT-konferensen i Malmö i september och i en artikel.
Koden, modellerna och datamängderna har också gjorts tillgängliga för allmänheten här.
Projektet avslutades i oktober 2023, men vi kommer att starta Swedish Space Data Lab 3.0 i januari 2024.
Mer om detta ämne:
Kontakt
Vill du bidra eller har du några tankar eller frågor? Vänligen kontakta Chiara Ceccobello för att få veta mer.
