DLR Portal
Home
|
Sitemap
|
Kontakt
|
Barrierefreiheit
Impressum und Nutzungsbedingungen
Datenschutz
Cookies & Tracking
|
English
Sie sind hier:
Home
:
Anwendungen und Projekte
:
Projekte: Data Science
Erweiterte Suche
Earth Observation Center
DFD
IMF
Services
Technologie
Anwendungen und Projekte
Projekte: Atmosphäre
Projekte: Gewässer
Projekte: Landoberfläche
Projekte: Georisiken und zivile Sicherheit
Projekte: Data Science
Copernicus
Laufende Projekte
Abgelaufene Projekte
Satellitendaten
Mediathek
News / Archiv
Blogs + Features
Anwendungen und Projekte: Data Science
EVOLAND
(01/2023– 12/2025)
Seit 2011 bietet der Copernicus-Landüberwachungsdienst (CLMS) Kernprodukte für die Überwachung des Zustands und der Veränderungen der vegetativen und nicht-vegetativen Bodenbedeckung/Bodennutzung, der biophysikalischen Variablen, der Meere und Seen und der Bedingungen in der Kryosphäre.
Mehr
MultiMiner
(01/2023 – 06/2026)
Das Projekt Multi-Source and Multi-Scale Earth Observation and novel machine learning methods for mineral exploration and mine site monitoring (MultiMiner) entwickelt neuartige Datenverarbeitungsalgorithmen für die effiziente Nutzung von EO-Technologien für die Mineralexploration und die Überwachung von Minenstandorten.
Mehr
SURF
(07/2022 – 06/2025)
(07/2022 – 06/2025)
In den letzten zehn Jahren haben Überschwemmungen mehr als 100 Milliarden US-Dollar gekostet, mehr als 100.000 Menschen kamen ums Leben und eine Milliarde Menschen wurden weltweit obdachlos. Eine schnelle Reaktion kann die durch Überschwemmungen verursachten Schäden erheblich verringern. Die rasche Bereitstellung von Schadensinformationen bei Überschwemmungen ist jedoch eine Herausforderung.
Mehr
RepreSent
(04/2022 – 04/2023)
Supervised Deep Learning techniques in EO often depend on labelled data. It would be expensive and time-consuming to obtain such labels for the massive amount of EO data that the Sentinel satellites of the Copernicus program have been gathering. In order to effectively exploit this abundant pool of data, the project “RepreSent” will therefore harness the power of non-supervised learning.
Mehr
WeMonitor
(04/2022 – 04/2025)
Detecting landslides and illegal waste dumps showcase a chance for Earth observation missions. This can be done most effectively with Artificial Intelligence methods that are trained to detect spatio-temporal surface anomalies – a task that also brings challenges.
Mehr
ML4Earth
(01/2022 – 12/2024)
The Technical University of Munich (TUM) has been working closely with IMF in the past years to establish European’s largest research capacity when it comes to applying Machine Learning in Earth observations. Starting in 2022, we will launch a national ML4Earth center of excellence with high visibility. We will tackle fundamental methodical challenges in AI4EO at the international level and their application to the European mission of a Digital Twin Earth.
Mehr
IMonitor
(10/2021 – 09/2024)
In den letzten Jahren ist auch die Erdbeobachtung (EO) in das Zeitalter von Big Data eingetreten. Satellitenbilder, kombiniert mit anderen Datenquellen (z. B. Finanztrends, Bodeninformationen, Wettermuster), ermöglichen es uns, die Erde in täglicher Auflösung zu überwachen. Häufige Überflüge und Aufnahmen desselben Ortes auf der Erdoberfläche ermöglichen uns, Veränderungen detailgenau und aufgabenspezifisch zu erkennen, zu überwachen und die Auswirkungen zu verstehen.
Mehr
AI4GNSS-R
(10/2021 – 09/2024 )
Wie kann GPS für die Beobachtung geophysikalischer Prozesse auf der Erde nutzbar gemacht werden? Das Prinzip „GNSS-R“ nutzt die Signale des bestehenden Globalen Navigationssatellitensystems, welche von der Erdoberfläche reflektiert und wiederum von Satelliten im niedrigen Erdorbit detektiert werden. Es gibt viele Vorteile dieser Methode. Zum einen passieren GPS-Signale dichte Wetterfronten, zum anderen erlaubt die hochgenaue Positionsinformation der GPS-Satelliten die Errechnung eines Phasensignals aus dem direkten und reflektierten GPS-Signal.
Mehr
AI4EO
(06/2021 – 09/2021)
Die Landwirtschaft ist von zentraler Bedeutung im Klimawandel. Sie ist Verursacherin und gleichzeitig massiv von den Änderungen betroffen. Eine Anpassung der Landwirtschaft ist lebensnotwendig. Das Projekt Künstliche Intelligenz für die Erdbeobachtung (AI4EO) hat einen Wettbewerb ausgerufen, um mit KI-Verfahren genauere Agrardaten auf Basis der europäischen Sentinel-Daten zu gewinnen.
Mehr
OpenSearch@DLR
(02/2021 – 12/2022)
Daten sind der Rohstoff für Forschung, Innovation und Wirtschaft im 21. Jahrhundert. Ein offener, unbeeinflusster und nachvollziehbarer Zugang zu Information ist daher eine Grundvoraussetzung für die freie Entfaltung der digitalen Gesellschaft. Derzeit ist aber insbesondere die Internetsuche hochgradig monopolisiert. Dies beeinflusst den Zugang zu Information und Wissen, behindert Wissenschaft und Wirtschaft und beeinträchtigt Europas digitale Souveränität.
Das Projekt OpenSearch@DLR greift dieses, für das DLR und die Wissenschaft an sich, strategisch wichtige Digitalthema auf und sondiert Konzepte für eine verteilte und offene Infrastruktur für die Internetsuche der nächsten Generation.
Mehr
AI-CORE
(11/2019 – 06/2023)
Im November 2019 startet mit AI4CORE ein von der Helmholtz Gesellschaft gefördertes Projekt zur Implementierung von Methoden der künstlichen Intelligenz in der Kryosphärenforschung.
Mehr
TecVolSA
Wir planen ein intelligentes Verarbeitungssystem für Erdbeobachtungsdaten zur Beobachtung des Erdbebenzyklus und der vulkanischen Aktivität in Südamerika.
Mehr
HAICU
(04/2019 – ...)
Mit der Helmholtz Artificial Intelligence Cooperation Unit (HAICU ) baut die Helmholtz-Gemeinschaft ein zukunftsweisendes Netzwerk für angewandte Künstliche Intelligenz (KI) auf. HAICU wird Verfahren der KI beispielsweise für die Analyse komplexer Systeme in den Bereichen Klima, Energie, Verkehr oder Gesundheit entwickeln, umsetzen und verbreiten.
Mehr
MuDS
(03/2019 – 02/2025)
Während die Datenvolumina und -komplexität sowie Echtzeitanforderungen in allen Forschungsbereichen - vor allem auch in den oft datenlastigen Helmholtz-Forschungsbereichen - stark zunehmen, sind Experten für Data Science selten oder fehlen vollständig. Daher ist es dringend nötig, die nächste Generation von Wissenschaftlern an der Schnittstelle von Data Science und verschiedenen Domänenwissenschaften auszubilden.
Mehr
So2Sat
(2017 – ...)
In 2050, it is expected that three fourths of the world’s population will live in metropolises. This transition will inherently alter the physical dimensions and configurations of cities at all scales, which is a fact presenting an enormous challenge to urban planners and logisticians. Yet, our understanding of urbanization at these scales is primarily based on United Nations population figures, but these statistics do not provide information on the distribution, pattern, and evolution of the built environment. For example, the knowledge of the spatial evolution as well as the posulation density of informal settlements such as slums or refugee settlements in many mega-cities is far from sufficient for a sustainable planning.
Mehr
ExtremeEarth
(01/2019 – 12/2021)
The ExtremeEarth project develops Artificial Intelligence and Big Data technologies that scale to the petabytes of big Copernicus data, information and knowledge, and applies these technologies in two of the thematic exploitation platforms of the European Space Agency: the one dedicated to Food Security and the one dedicated to the Polar regions.
Mehr
QSP Big-Data-Plattform
(....)
Der Fokus des Projekts „Big-Data-Plattform“ (BDP) ist eine methodische „Data-Science“-Plattform für schwerpunktübergreifende Analysen heterogener, verteilter Daten. Hierzu werden Big-Data- und Cloud-Computing-Technologien adressiert. Neben ihrem Einsatz in den großen Datenanwendungen des DLR unterstützt die Plattform Nutzer aus Industrie, Behörden und Öffentlichkeit beim Aufbau komplexer Wertschöpfungsketten und schafft neue Möglichkeiten der Handlung und Planung zum Beispiel in den Bereichen Mobilität, Umwelt und Sicherheit.
Mehr
Copyright © 2023 Deutsches Zentrum für Luft- und Raumfahrt e.V. (DLR). Alle Rechte vorbehalten.