Städtische Umweltdaten mit KI messen
Daten zur städtischen Geometrie (z.B. Häuserfassaden) und Umweltdaten (z.B. die Lufttemperatur) bilden die Basis, um das lokale städtische Klima detailliert erfassen und daraus Maßnahmen für eine verbesserte Klimaanpassung ableiten zu können.
Erfassung und Interpretation städtischer Geometrie mit KI
Mit dem Ziel der Erstellung einer 3D-Ansicht der Stadt Freiburg, in der Objektklassen (Häuser, Bäume, etc.) mit Hilfe von Techniken tiefer neuronaler Netze erkannt und mit einem Label versehen werden, wurden in diesem Arbeitspaket folgende Schritte unternommen: Auf Basis von vorhandenen und im Projekt generierten so genannten Mobile Mapping Daten, wie z.B. georeferenzierte Bild- und Laserscandaten aus Befahrungen oder Befliegungen der Stadt Freiburg wurde ein künstliches neuronales Netzwerk (KNN) trainiert, das direkt auf 3D Daten arbeiten kann. Das neuronale Netzwerk kann Objektklassen in so genannten 3D-Punktwolken erkennen und mit einem Label versehen (auch semantische Segmentierung genannt). Neue Befahrungsdaten können damit in Zukunft für die im Projekt trainierten Klassen sehr viel einfacher klassifiziert werden. Für die benötigten Trainings- und Validierungsdaten wurden Punktwolken von Teilbereichen der Stadt Freiburg zunächst von Menschen annotiert (also erkannt und mit einem entsprechenden Label versehen) (siehe Abbildung 1). Außerdem wurden KI-basierte Preloader für die 3D-Visualisierung erforscht, die es ermöglichen, dass die erfassten und bearbeiteten Daten in einer Browseranwendung visualisiert werden können (ähnlich dem bestehenden 3D-Modell der Stadt Freiburg).

Verbesserung der lokalen Wettererfassung und Umweltbeobachtung mit Hilfe von KI
Auch die Analyse räumlicher und zeitlicher Wettermuster auf lokaler Ebene in Städten wurde verbessert, indem verschiedene Datenquellen mittels Methoden von Künstlicher Intelligenz harmonisiert und validiert wurden. Über bestehende Messstationen und mithilfe eines eigens errichteten Stadtklimamessnetzes, welches in Kooperation mit dem ERC-Grant „urbisphere“ errichtetet wurde, kann die geographisch- klimatische Variabilität des Freiburger Stadtgebietes und des Umlands erfasst werden. Die Messdaten aus derzeit 42 Stationen dienen als Grundlage für eine Vielzahl an Forschungsvorhaben in Bereichen der Meteorologie, Hydrologie und Stadtplanung. Die erhobenen Umweltdaten wie Lufttemperatur, Niederschlag, Windgeschwindigkeit und Globalstrahlung durchlaufen eine automatisierte Qualitätskontrolle und sollen der Öffentlichkeit in Zukunft in Echtzeit zur Verfügung gestellt werden. Zudem wurde ein KI-basiertes Gap-Filling-Verfahren entwickelt, das weltweit auf meteorologische Messnetze auf lokalem und regionalem Maßstab übertragbar ist. Auf Basis von Machine-Learning-Methoden können mit diesem Verfahren bestehende Lücken in den Zeitreihen einzelner Stationen unter Zuhilfenahme der übrigen Stationen akkurat aufgefüllt werden und, über die so gewonnenen Zeitreihen für jede Station, die Berechnung klimatologischer, statistischer Werte, wie z.B. die mittlere Lufttemperatur an jedem Standort, sowie die Anzahl an klimatologischen Kenntagen, wie beispielsweise die Anzahl Tropennächte pro Jahr für sämtliche Stationen, erfolgen.