DENETHOR
DENETHOR ist ein Testdatensatz mit hoher geometrischer Auflösung und dient der täglichen Ernteüberwachung aus dem Weltraum. Der Datensatz enthält tägliche, analysefähige Planet-Fusion-Daten zusammen mit Sentinel-1-Radar- und Sentinel-2-optischen Zeitreihen zur Klassifizierung von Kulturpflanzen in Norddeutschland. Zusätzlich sind Informationen über Feldgrenzen und Kulturarten aus zwei Testgebieten in Norddeutschland enthalten. Letztere werden im Rahmen der Gemeinsamen Agrarpolitik der Europäischen Union erhoben. Landwirte geben selbst an, welche Kulturen sie auf ihren Feldern anbauen, um Subventionen zu erhalten. Die Daten sind nicht nur geografisch genau, sondern auch von hoher Qualität, da eine Vielzahl von Kontrollen durch In-situ-Messungen oder EO-Daten potenziell falsche Meldungen aufdecken können.
DENETHOR wurde von der Technischen Universität München (TUM), dem DLR und Planet Labs im Rahmen von Dynamic Earth Net zusammengestellt und wird auf EO-Lab als Kopie des Originaldatensatzes ohne Änderungen bereitgestellt.
Der Datensatz enthält zwei Kacheln. Beide Kacheln sind mit 24 km × 24 km identisch groß. Eine Kachel wird für Training und Validierung verwendet, die andere für Tests. Für die Trainingskachel sind Feldmasken und Kulturarten aus dem Jahr 2018 zusammen mit den entsprechenden Satellitenbildern verfügbar. Die Testauswertungen basieren auf den Daten aus dem Jahr 2019. Die Rohdaten zu den Kulturen enthalten die Felder im Vektorformat mit einer zwischen 1-999 kodierten Kultur-ID. Felder mit einer Fläche von weniger als 1000 m² werden nicht berücksichtigt, da sie häufig eine gebrochene Form aufweisen und nicht ohne weiteres einbezogen werden können. Dies betrifft etwa 1 % aller Felder, wobei die Anbauformen in einer begrenzten Anzahl übergeordneter Klassen zusammengefasst werden.
Die neun Klassen mit der jeweiligen Anzahl der Felder im Trainingssatz in Klammern sind:
- Weizen (305),
- Roggen (276),
- Gerste (137),
- Hafer (45),
- Mais (251),
- Ölsaaten (201),
- Wurzelgemüse (23),
- Wiesen (954),
- Futterpflanzen (339).
Die ungleiche Häufigkeit der Klassen stellt eine Herausforderung für Algorithmen des maschinellen Lernens dar. Sie ist jedoch repräsentativ für die geografische Region und tritt bei realen Kartierungsaufgaben für Kulturpflanzen häufig auf.
Weitere Kulturen, die nicht in eine der Kategorien passen, sind in den Referenzdaten selten und wurden entfernt, anstatt sie in einer zehnten Klasse "Sonstige" zusammenzufassen.
Nutzungsvoraussetzungen
| Erforderlich? | Anmerkung | |
| Registrierung auf EO-Lab | Ja | --- |
| Cloud-Ressourcen auf EO-Lab | Ja | --- |
| Individuelle Beantragung | Ja | --- |
Datenzugriff
Diese Daten sind nur auf individuelle Anfrage verfügbar. Bitte erstellen Sie ein Support-Ticket, um die Zugangsdaten anzufordern.
Weiterführende Informationen
Weitere Informationen zu diesem Produkt finden Sie auch auf den folgenden externen Seiten:
Referenzen
Die folgende Liste von Referenzen erhebt keinen Anspruch auf Vollständigkeit, ermöglicht aber einen ersten Einstieg in die weiterführende Fachliteratur:
Nutzungsbedingungen
Die Nutzung des Datensatzes unterliegt den nachstehenden Nutzungsbedingungen:
