Geowissenschaftler wollen die menschliche Sicherheit durch POI-Modellierung auf globaler Ebene verbessern

Als Geoinformatik-Ingenieurforscher am Oak Ridge National Laboratory des Energieministeriums Veränderungen in Landflächen und Points of Interest (POIs) auf der ganzen Welt besser verstehen wollten, wandten sie sich an die Einheimischen – zumindest an ihre Daten.

Durch eine intelligente Kombination aus mit Geotags versehenen sozialen Medien, globalen Standort- und natürlichen Sprachdaten entwickelten sich Junchuan Fan und Gautam Thakur von ORNL MapSpace, ein öffentlich verfügbares, skalierbares Modellierungsframework für die Landnutzung. Durch die Bereitstellung von Datenmerkmalen, die breiter und tiefer sind als bei Satellitenbildern allein, kann MapSpace Bevölkerungsanalysen erstellen, die für Stadtplanung und Katastrophenhilfe von unschätzbarem Wert sind. Die Ergebnisse der Forscher wurden im veröffentlicht Internationale Zeitschrift für digitale Erde.

„Während sich die Landbedeckung – Land, Meer, Wasser oder Wüste – nicht ändert, ändert sich die Nutzung dieses Landes ständig“, sagte Thakur, Leiter der Location Intelligence-Gruppe des ORNL. „Für die Entwicklung neuer Dienstleistungen ist es wichtig zu verstehen, wie sich Landnutzungsmuster ändern.“

Thakur sagte, dass es bei herkömmlichen Satellitendaten zwei Herausforderungen gebe. Erstens ist die genaue Datenverarbeitung aufgrund der langen Downloadzeiten und der Anforderungen an hochauflösende Bilder eine enorme Aufgabe. Zweitens zeigen Satellitenbilder nur die Spitzen von Bauwerken und nicht deren Fassaden, die bekanntere Aussichtspunkte sind. Durch die Verwendung von Points of Interest und geosozialen Daten können Thakur und Fan mehrere Ebenen der semantischen Granularität erreichen, ein Maß dafür, wie genau die Landnutzung charakterisiert werden kann.

Beispielsweise könnte MapSpace es Benutzern ermöglichen, zu erkennen, dass ein Gebiet gewerblich genutzt wird, nach unten zu zoomen, um zu sehen, dass es für Restaurants genutzt wird, und dann weiter hineinzuzoomen, um die spezifische Art von Speisen zu sehen, die in einem Restaurant in dem Gebiet serviert werden.

Die Fähigkeit, Landnutzungsmerkmale zu erfassen, umfasst nicht nur die Art und Weise, wie Gebäude und Flächen genutzt werden, sondern auch, wie sich ihre Funktion über Wochen oder sogar über einen einzigen Tag hinweg ändern kann.

„Landnutzungsschichten sind traditionell statisch, aber es gibt verschiedene Orte auf der Welt, an denen sich die Landnutzung im Laufe des Tages ändert“, wie zum Beispiel ein Stadtplatz, der am Wochenende vormittags als Bauernmarkt genutzt wird, sagte Thakur. „Wie man diese Dynamik von Räumen und wie sie sich verändert, einfangen kann, ist auch eines der Dinge, die Junchuan vorangetrieben hat.“

Durch das Verständnis der Veränderungen im Laufe der Zeit könnten Forscher neue Landnutzungszwecke vorschlagen, die zuvor möglicherweise nicht möglich waren. Beispielsweise könnten verlassene städtische Gebiete, in denen sich einst florierende Einkaufszentren befanden, möglicherweise besser für die Entwicklung von Wohnungen oder Industriezentren genutzt werden.

Fast genauso beeindruckend wie die Fähigkeiten, die sie entwickelt haben, ist vielleicht, wie schnell Thakur und Fan sie in einem geografischen Gebiet entwickeln können. Fan konnte in nur zwei Wochen Landnutzungsdaten für den gesamten afrikanischen Kontinent entwickeln. Vor MapSpace hätte dies Monate, wenn nicht Jahre gedauert, sagte er.

Die Geschwindigkeit des Programms erweitert seine Reichweite weiter auf Bereiche wie die nationale und menschliche Sicherheit. Fan lieferte Beispiele für Nothilfe nach einem Hurrikan oder die Reaktion auf eine Krise im Bereich der öffentlichen Gesundheit sowie den Bedarf an einer schnellen Landnutzungskartierung. MapSpace-Daten könnten Einblicke in sichere Orte für den Versand von Einsatzfahrzeugen oder die am besten zugänglichen Orte für die Einrichtung von Hilfsstationen liefern.

„Damit unsere Forschung in der Lage ist, globale Daten zu generieren und diese in Echtzeit – oder in einer sehr kurzen Zeitspanne – abzubilden, können wir besser auf bestimmte zeitkritische Missionen reagieren“, sagte Fan. „Das ist die einzigartige Dimension der Arbeit im Labor. Hier kommt es sowohl auf eine wissenschaftlich fundierte Methode als auch auf ein skalierbares Datenprodukt an, das schnell eingesetzt werden kann.“

Aufgrund seiner vielfältigen Ressourcen ist ORNL gut geeignet, ein Projekt wie MapSpace zu leiten. Thakur führte den Erfolg der Forscher auf das im Labor verfügbare interdisziplinäre Fachwissen und die weltweit unübertroffenen Rechenressourcen zurück, die schnelle, geografisch fundierte Landnutzungsdaten auf globaler Ebene ermöglichen. Mehrere Experten des Labors in den Bereichen Datenwissenschaft, geografische Informationssysteme und Geographie haben zu dem Projekt beigetragen. Thakur wies auch darauf hin, dass der Fokus des Labors auf die nationale Sicherheit eine einzigartige Perspektive für diese Art von Forschung und Entwicklung biete.

„Die Kombination von Fachwissen in diesen verschiedenen Bereichen und die Schaffung einer voneinander abhängigen Forschungskapazität ist etwas Einzigartiges für ORNL, das wir in der Industrie oder im akademischen Bereich selten finden“, sagte er.

Fan kartiert weiterhin verschiedene Kontinente; sein nächstes Projekt ist Südamerika. Er begann mit Gebieten außerhalb der Vereinigten Staaten, da es dort nur wenige Daten gab und sie von einer wertvollen Quelle profitieren könnten, die Landnutzungslücken schließen kann. Mit den Fähigkeiten, die Fan entwickelt hat, sei es laut Thakur möglich, dass die Gruppe jedes Jahr den gesamten Planeten kartieren könne, und zwar mit zunehmender Genauigkeit sowie räumlicher und zeitlicher Granularität.

„Ich kenne keinen Ort auf der Welt, wo das derzeit möglich ist … nicht einmal auf Länderebene“, sagte Thakur. „Ich denke, die Fähigkeiten, die wir hier im Labor aufbauen, sind nicht nur einzigartig, sondern auch erstklassig [of their kind] in der Welt.“

Mehr Informationen:
Junchuan Fan et al., Auf dem Weg zu POI-basierter großräumiger Landnutzungsmodellierung: räumlicher Maßstab, semantische Granularität und geografischer Kontext, Internationale Zeitschrift für digitale Erde (2023). DOI: 10.1080/17538947.2023.2174607

Bereitgestellt vom Oak Ridge National Laboratory

ph-tech