Hoppa till huvudinnehåll

Swedish Space Data Lab 1.0

Målet med Swedish Space Data Lab är att öka användningen av data från rymden för samhällets och industrins utveckling och för planetens bästa. Swedish Space Data Lab är ett samarbetsprojekt mellan AI Sweden, Rymdstyrelsen, Rise, och Luleå tekniska universitet.

Webinarium om Swedish Space Data Lab

Syftet med detta webbinarium är att väcka intresse för möjligheterna som satellitdata kan erbjuda när vi planerar och fattar beslut om den byggda miljön.

Webinarium (2021-06-16) 1:32

Bakgrund

Rymddata används nu inom en mängd olika områden. Det är oumbärligt för väderprognoser och övervakning av klimatet, bland annat, men det är också extremt viktigt för skogsbruk, jordbruk och andra områden där aktuell information om vegetation och markytan behövs.

Syfte

Swedish Space Data Lab (tidigare National Space Data Lab) kommer att vara ett nationellt kunskaps- och datacentrum för svenska myndigheters arbete med jordobservationsdata och för utvecklingen av AI-baserad analys av data, genererade i rymdsystem. Syftet är att öka användningen av data från rymden för samhällets och industrins utveckling och för jordens bästa. Målet är att få data, teknik och metodik på plats för att systematiskt utveckla tjänster och applikationer som använder rymddata i datalabbet.

Genom Space Data Lab skapar vi en nationell infrastruktur för användning av rymddata för att öka möjligheterna att utveckla smarta och effektiva AI-lösningar för allt från lagring av rymddata till hur du hanterar konstellationer av satelliter i omloppsbana.

Användarna av datalabbet kommer främst att vara offentliga myndigheter med ansvar för civila, miljömässiga och naturresurser.

En nationell resurs för satellitdata

Space Data Lab använder Open Data Cube (ODC) plattformen som är ett open-source projekt för geospatial dataanalys som organiserar datat i en effektiv databasstruktur och har ett Python-baserat API för dataförfrågningar. ODC stöder tredjepartsverktyg som NumPy, Matplotlib, Pandas, Shapely, TensorFlow och PyTorch och möjliggör rymddatavetenskap med hjälp av populära Jupyter notebooks webbaserade interaktiva beräkningsmiljöer som blandar kod, dokumentation, matematiska markeringar och bilder.

Open Data Cube innehåller Copernicus data, främst Sentinel-2 som det ser ut idag men kommer över tid att underlätta Sentinel-1 och Sentinel-3 och eventuellt ytterligare datakällor. Sentinel-2 datasamplar 13 spektralband: fyra band på 10 meter, sex band på 20 meter och tre band på 60 meter i rumslig upplösning. Satellitens höga återbesöksfrekvens över Sverige ger ny data var 2-3 dagar. Datat är utformat för att modifieras och anpassas av användare intresserade av tematiska områden såsom:

  • Rumslig planering
  • Agro-miljöövervakning
  • Vattenövervakning
  • Skogs- och vegetationsövervakning
  • Markkol, naturresursövervakning
  • Global grödövervakning

Användarna av datalabbet kommer främst att vara offentliga myndigheter med ansvar för civila, miljömässiga och naturresurser, men datalabbet kommer över tid att bli tillgängligt för allt från stora skogsföretag till enskilda bönder och privatpersoner.

Uppdraget för Space Data Lab

  • Göra rymddata lättillgänglig och bidra till innovationer och applikationer baserade på rymddata
  • Göra data, bearbetningskapacitet, programvaruplattformar & verktyg och metodik tillgängliga för att sänka tröskeln
  • Möjliggöra systematisk utveckling av tjänster och applikationer baserade på rymddata
  • Skapa nya möjligheter – baserade på en realtids, sann situationsmedvetenhet
  • Öka förutsättningarna för utvecklingsländer samt tekniskt avancerade länder

Fakta

Projektet Swedish Space Data Lab är delvis finansierat av Vinnova and koordineras av AI Sweden i samarbete med Rymdstyrelsen, RISE, och Luleå tekniska universitet. Projektet koordineras av AI Sweden.

Referensgrupp: Skogsstyrelsen, SGI, SMHI, Jordbruksverket, Lantmäteriet, SSC och Naturvårdsverket.

Projektperiod: 20190603-20210602

Projektleveranser och statusuppdateringar

Data Analysis of Earth Observation Data From Copernicus Satellites

Dataanalys av jordobservationsdata från Copernicus satelliter

Följande rapport täcker användningen av jordobservationsdata från Copernicus satelliter kombinerat med AI för att övervaka torka. Rapporten inkluderar en kort introduktion till konceptet med Open Data Cubes, en beskrivning av Sentinel och Landsat satelliterna och deras data, särskilt Sentinel-2, och en presentation av SSDL. Den beskriver också vanliga tillämpningar av satellitdata. De erhållna resultaten är lovande, även om det fortfarande finns mer arbete att göra när det gäller skalbarheten av metoden.

Illustrations of three people

Personas för Swedish Space Data Lab

År 2019 genomförde Swedish Space Data Lab en användarstudie för att försöka förstå vilka våra användare är och hur vi kan utveckla labbet för att bäst tjäna dem. I början av studien bestämde vi oss för att skilja på våra förmånstagare eller kunder som fattar beslut om att anta satellitdata och relaterade teknologier, och användare som arbetar praktiskt med satellitdata. Studien genomfördes i två faser; fas 1 för att förstå våra förmånstagare, följt av fas 2 för att förstå användarna. 

Den första fasen utformades som en studie för utveckling av personas, genom att nå ut till våra referensgruppsmedlemmar och pilotledare och genomföra 10 djupintervjuer som informerade våra personas. En vanlig representation av personas är att använda CV-formatet, men det är viktigt att notera att de representerar förmånstagares attribut och beteenden snarare än jobbeskrivningar (de kan faktiskt överlappa).

Data cube for climate adoption - Lake Vänern

Datakub för klimatanpassning - Vänern

Denna pilot har fokuserat på tillståndet i Vänern med avseende på vattennivåer, vegetation och grönt återväxt. Eftersom allt fler öppna strandområden blir övervuxna med små träd och buskar, behöver vi övervaka hur snabbt och var överväxt blir ett problem för att identifiera de platser som behöver underhållas.

Genom att använda satellitdata från datakuben kan piloten visa hur förändringarna sker över tid. Kombinerat med maskininlärning är det möjligt att träna applikationen i hur man känner igen områden som snart kommer att bli övervuxna.

Arbetsgrupp: Västra Götalands länstyrelseRymdstyrelsenRISE och Luleå tekniska unversitet. Piloten är utvecklad i samarbete med Metria.

A forest with autumn leaves on the ground

Datakub för klimatanpassning - Mälardalen

Piloten fokuserar på att mäta markfuktighet för att förutsäga skogsbränder, vilket skulle ha varit användbart under sommaren 2018 när stora skogsområden i Västmanland förstördes av eld. Detta är väsentligt med tanke på att antalet dagar med låg markfuktighet och därmed hög risk för bränder sannolikt kommer att öka i framtiden på grund av klimatförändringar.

Piloten som har utvecklats syftar till att identifiera potentiella områden där det finns risk för bränder och till exempel annonsera grillförbud i god tid, och öka vattenreservreservoarerna. Den tillåter oss också att spåra den skada som orsakas av bränder. De primära användarna av applikationen kommer att vara Västmanlands länsstyrelse och försäkringsbolag som en grund för riskbedömning av kunder.

Arbetsgrupp:  RISE och Västmanlands länsstyrelse

Mer om detta ämne:

Image of the Earth taken from space with a satellite in the corner
Edge learning har potential att revolutionera utvecklingen av AI för rymdtillämpningar, och AI...
An image displaying predicted cloud thickness
National Space Data Lab 2.0 (SDL2.0) är ett samarbetsprojekt lett av AI Sweden, RISE, Luleå tekniska...
Phi-lab
Europeiska rymdorganisationen (ESA) och AI Sweden har undertecknat en avsiktsförklaring om att...

Kontakt

A picture of Vinutha Magal Shreenath
Vinutha Magal Shreenath
Senior Data Scientist
+46 (0)73-152 10 98
Chiara Ceccobello
Chiara Ceccobello
Data Scientist