Türünün en kapsamlı ve ayrıntılı örneği olan, Dünya’nın yüksek çözünürlüklü görüntülerinden oluşan küresel bir açık kaynak veri seti, UCL liderliğindeki uzmanlar tarafından Avrupa Uzay Ajansı’ndan (ESA) alınan verilerle geliştirildi.
Ücretsiz veri seti WorldStrat, New Orleans’taki NeurIPS 2022 konferansında sunulacak. Tarım, otlaklar ve ormanlardan her büyüklükteki şehre ve kutup buzullarına kadar her türlü konumu, kentsel alanı ve arazi kullanımını gösteren yaklaşık 10.000 km² ücretsiz uydu görüntüsü içerir.
Veri seti, Küresel Güney’deki ve insani yardıma ihtiyaç duyan yerleri içerir; bunlar genellikle ticari kazanç için toplandığından ve bu nedenle orantısız bir şekilde daha zengin bölgeleri gösterdiğinden uydu görüntülerinde yeterince temsil edilmez.
Bilim adamları, koleksiyonun, doğal ve insan yapımı afetlere yanıt vermek, doğal kaynakları yönetmek ve şehir planlaması gibi küresel zorlukların üstesinden gelmek için dünya çapında arazi analizine olanak sağladığını söylüyor.
WorldStrat üzerindeki çalışmalar 2021’de başladı ve kullanıma sunulduğu Haziran 2022’den bu yana 3.000’den fazla indirildi.
Proje lideri Dr. Julien Cornebise (UCL Bilgisayar Bilimi), “Yüksek çözünürlüklü ticari görüntüler ve makine öğreniminin birleşimi, her türlü küresel zorluğun üstesinden gelmeye yardımcı olabilecek dünya çapında analizler sağlamak için büyük bir potansiyele sahip; sorun şu ki, ticari veriler genellikle bir ödeme duvarının arkasında kilitlenir.”
“ESA’nın TPM programı, normalde çok pahalı olan verilere ücretsiz erişim sağlayarak projemizi mümkün kıldı.”
Ekip, ESA tarafından görevlendirilen ve sırasıyla 2012 ve 2014’te başlatılan Airbus SPOT 6 ve SPOT 7 uydularından gelen verileri kullandı. Uydular, piksel başına 1,5 m’ye kadar yüksek çözünürlüklerde görüntü sağlayabilir; bu, her pikselin zeminde 1,5 m’ye 1,5 m’lik bir alanı temsil ettiği anlamına gelir.
Bilim adamları, SPOT uydularından yaklaşık 4.000 oldukça ayrıntılı görüntü kullandılar. Bu görüntüler yüksek (uzaysal) çözünürlüklü olsalar bile, zamansal çözünürlükleri düşüktür, yani bu bağlamda her uydu düzenli olarak her yeri tekrar ziyaret etmez ve yeniden yakalamaz. Bunun nedeni, uydular tarafından çekilen görüntülerin başlangıçta uzun vadeli analizler yerine belirli ticari uygulamalar için kullanılmasıydı.
Bununla mücadele etmek için ekip, Copernicus Sentinel-2 uydusundan ücretsiz olarak temin edilebilen, daha düşük çözünürlüklü görüntüleri de kullandı. Bunlar daha yüksek zamansal çözünürlükte, yani her beş günde bir daha düzenli zaman noktalarında yakalandılar. Her bir SPOT görüntüsünü, toplamda yaklaşık 64.000 görüntü kullanarak Copernicus Sentinel-2’den 16 görüntüyle eşleştirdiler.
Araştırmacılar veri setini, örneğin görüntü çözünürlüğünü daha da iyileştirmek için genişletmek ve geliştirmek amacıyla makine öğrenimi uygulamalarının geliştirilmesini desteklemek için geliştirdi. Daha fazla uygulamanın geliştirilmesine izin vermek için bilim adamları, geliştiricilerin işi yeniden üretmesine, genişletmesine ve dönüştürmesine olanak tanıyan tam kaynak kodun yanı sıra bir yapay zeka araç kutusu geliştirdiler.
Dr. Cornebise devam etti, “Dünyanın dört bir yanından binlerce veri kullanıcısı WorldStrat’ı zaten indirdi ve makine öğrenimi tekniklerini kullanarak onu genişletme ve iyileştirme yollarını görmeyi dört gözle bekliyoruz.”
Araştırmanın ön baskı versiyonu şu adreste mevcuttur: arXiv.
Daha fazla bilgi:
Julien Cornebise ve diğerleri, Açık Yüksek Çözünürlüklü Uydu Görüntüsü: WorldStrat Veri Kümesi—Süper Çözünürlük Uygulamasıyla, arXiv (2022). DOI: 10.48550/arxiv.2207.06418
GitHub veri kümesi: worldstrat.github.io/
Dergi bilgileri:
arXiv
University College London tarafından sağlanan
Alıntı: Dünya çapındaki veri kümesi, Dünya’yı şimdiye kadarki en ince ayrıntısına kadar yakalar (2022, 18 Kasım), 19 Kasım 2022’de https://phys.org/news/2022-11-worldwide-dataset-captures-earth-finest.html adresinden alındı
Bu belge telif haklarına tabidir. Kişisel çalışma veya araştırma amaçlı adil ticaret dışında, yazılı izin olmaksızın hiçbir bölüm çoğaltılamaz. İçerik sadece bilgilendirme amaçlıdır.
uzay-1