Themenheft SGPF: Photogrammetrie/Fernerkundung:
J. Huggel, L. Christen, P. Kehrli, M. Schuman:
Smartgrape: Mit multispektralen Drohnensystemen erkrankte Pflanzen im Rebberg erkennen
Die Vergilbungskrankheit Bois noir (BN) ist weitverbreitet und verursacht erhebliche Ertragseinbussen in den Schweizer Rebbergen. Eine frühzeitige und systematische Erkennung ist entscheidend, um betroffene Rebstöcke rechtzeitig zu identifizieren und Massnahmen zur Eindämmung einzuleiten. Moderne Technologien wie ferngesteuerte Drohnensysteme bieten neue Erkennungsmöglichkeiten, um den Zustand von Rebflächen effizient und präzise zu erfassen. Das Projekt SmartGrape untersucht, wie handelsübliche Multispektraldrohnen in Kombination mit Methoden des maschinellen Lernens eingesetzt werden können, um BN-erkrankte Rebstöcke automatisiert zu erkennen. Ziel ist es, eine robuste Methode zu entwickeln, mit deren Hilfe BN Infektionen systematisch erfasst werden können und welche Winzer*innen in der Kontrolle ihrer Reben unterstützt.
M. Jendryke, J. Manuel, G. Caspari:
Eine interoperable Fernerkundungsdatenwirtschaft zur Ermöglichung von GeoAI
Wir stellen hier ein vereinheitlichendes räumliches Rahmenkonzept auf Basis von Diskreten Globalen Gittersystemen (Discrete Global Grid Systems, DGGS) vor, das eine interoperable Datenökonomie und skalierbare GeoAI-Workflows unterstützt. Kern dieser Technologie ist ein „Spatial Tokenizer“ – eine DGGS-basierte Abstraktionsebene, die die Erdoberfläche in hierarchische, flächengleiche Zellen unterteilt. Diese dienen als gemeinsamer Referenzrahmen für die Zusammenführung und Indizierung von Fernerkundungsdaten, um KI-gestützte Analysen durchzuführen. Das Konzept unterstützt die FAIR-Prinzipien und hilft bei Herausforderungen wie Datenharmonisierung, Nachvollziehbarkeit und Wiederverwendbarkeit. Ein DGGS fungiert als Diskretisierungsmechanismus für Geodaten: Die Erdoberfläche wird in diskrete, rechnerisch verarbeitbare, homogene Einheiten übersetzt. Damit werden Fernerkundungsdaten von nativen Formaten entkoppelt und unabhängig von Projektionen global integrierbar. Dies ermöglicht die Auswertung von Big Geodata über komplexe statistische Modellierung.
T. Rothlin, K. Löffler, M. Purandare:
ReGeo: Ein direkter Regressionsansatz für globale Bildgeolokalisierung
Wo wurde ein Foto aufgenommen? Diese Frage lässt sich oft erstaunlich schwer beantworten, wenn keine GPS-Daten im Bild vorhanden sind. ReGeo, ein neuartiges Machine-Learning-Modell, löst die Aufgabe direkt anhand der Bildinhalte, während frühere Ansätze meist auf umfangreiche Datenbanken oder komplexe technische Verfahren zurückgriffen. ReGeo nutzt moderne Machine Learning Methoden, um geografische Koordinaten direkt vorherzusagen. In Tests erreicht ReGeo trotz seiner vergleichsweisen einfachen Bauweise ähnlich hohe Präzision wie aufwendige Konkurrenzsysteme. Auf Kontinent- und Länderebene erzielt es sehr gute Ergebnisse und übertrifft damit sogar andere führende Methoden. Besonders bemerkenswert ist die Generalisierungsfähigkeit des Modells, das selbst auf bislang ungesehenen Daten präzise Vorhersagen trifft. Selbst wenn die Bilder aus ganz anderen Quellen stammen als die Trainingsdaten, liefert ReGeo überzeugende Ergebnisse. So konnte es in einem Test bei rund einem Drittel der Bilder den Aufnahmeort bis auf Stadtebene korrekt bestimmen. Mit grösserem Suchradius steigt die Genauigkeit weiter an: fast 88 Prozent auf regionaler Ebene, knapp 97 Prozent auf Länderebene und über 99 Prozent auf Kontinentebene. Zur praxisnahen Validierung wurde eine Web-Applikation entwickelt, die zufällige Bilder präsentiert. Spielende geben daraufhin eine Standortschätzung ab, während ReGeo denselben Bildort vorhersagt. Über die Haversine-Distanz wird bestimmt, wer dem tatsächlichen Standort am nächsten liegt. Die Anwendung wurde vielfach genutzt und zeigte, dass ReGeo in realistischen Spielsituationen zuverlässig den Aufnahmeort vorhersagt. Dies unterstreicht das Potenzial des Modells für Geomatik-Anwendungen, Bildung, Medienarbeit und interaktive Formate. Damit bietet ReGeo ein effizientes Werkzeug für Geomatik-Anwendungen wie GIS-Analysen, Fernerkundung und urbane Kartierung, ohne auf umfangreiche Datenbanken oder komplexe Verfahren angewiesen zu sein.
Rückblick Dreiländertagung SGPF, DGPF, OVG vom 3.-5. Juni 2025, FHNW Muttenz
Protokoll Generalversammlung SGPF 2025
GS online:
Die nächste Generation in der Geomatik - Chancen, Herausforderungen und Perspektiven
Raumbezogene Bilddaten und Künstliche Intelligenz für nachhaltige Lebensräume
Ein einziges Geoportal für die Geodaten der Schweiz
Vision Amtliche Vermessung und Einführung Geodatenmodell für die amtliche Vermessung DMAV Veranstaltungsreihe «Info-Regio AV 2025»
Events am Institut Geomatik FHNW
Überwachungstechnologien und praxisnahe Fallstudien im Bereich der Hangrutschungen
Landmanagement-Tagung 2026: Eine Schweiz ohne Alpwirtschaft? Unvorstellbar!
Berufs- und Ausbildungsmesse Bern 21.-24. August 2025: Geomatiker/in mit Porträts
www.geomatik.ch