In allen Spezialbereichen des IMF für die drei Technologien Synthetic Aperture Radar (SAR), optische Bilderkennung und atmosphärische Spektrometrie haben Algorithmen zur Verbindung der Sensortechnologien, z.B. für die Datenfusion, in den letzten Jahren immer mehr an Bedeutung gewonnen. Darüber hinaus ist die Fernerkundung mit den Daten der Sentinel-Satelliten und in Zukunft auch der Tandem-L Satelliten unumkehrbar in der Big Data Ära angekommen. Dies erfordert nicht nur neue technologische Ansätze, um die großen Datenmengen zu verwalten (wie es am DFD erfolgt), sondern auch neue Analysemethoden.
In diesem Zusammenhang werden Methoden aus der Data Science und der künstlichen Intelligenz, wie maschinelles Lernen, unverzichtbar. Insbesondere Deep Learning hat in dem Bereich der künstlichen Intelligenz in den letzten Jahren das Feld revolutioniert. Um diesen Entwicklungen Rechnung zu tragen, ist Data Science in der Erdbeobachtung einer der Forschungsfokusse des IMF.
Unsere Vision lautet daher:
Unsere Kompetenz liegt in der Erforschung von künstlicher Intelligenz für die Fernerkundung (AI4EO).
Der aktuelle Fokus liegt dabei besonders auf der Entwicklung künstlicher Intelligenz für multimodale Daten, georeferenzierte Fernerkundungsdaten, Bildern aus Zeitreihenaufnahmen und large-scale Daten.
Dabei haben wir zwei große Schwerpunktbereiche definiert: Efficiency in AI4EO und Trustworthy AI4EO.
Des Weiteren erforschen wir die Möglichkeiten, komplexe Probleme im Bereich der Erdbeobachtung mit Hilfe von Quantum Computing zu lösen.
Unser SWAT-Team (Software and Tools) unterstützt unsere Abteilung mit ihren fundierten Kenntnissen von Programmierung, Knowledge Discovery über High Performance Computing (HPC) bis hin zu Anwendungen in den Geowissenschaften.
Die Abteilung besteht aus vier Teams: