Eine mathematische, statistische oder maschinelle Lernstruktur, die Satellitenbilder (und häufig Hilfsdaten) aufnimmt, um physikalische, ökologische oder infrastrukturelle Variablen, die aus diesen Bildern abgeleitet werden, darzustellen, vorherzusagen oder zu simulieren.

Prinzip

Beziehungen zwischen bildbasierten Beobachtbaren und Zielvariablen durch parametrische Funktionen kodieren, die anhand gelabelter Daten, physikbasierter Gleichungen oder hybrider Ansätze trainiert oder kalibriert werden.

Demonstration

Ein Convolutional Neural Network, das auf gelabelten Gebäudekonturen und hochauflösenden Bildern trainiert wurde und Gebäudepräsenz sowie Dachtyp in einem Stadtgebiet vorhersagt, optional kombiniert mit Höhen- und Katasterdaten.

Fehlanwendung

Ein Modell außerhalb des Sensortyps, der räumlichen Auflösung oder des geografischen Gebiets einzusetzen, auf dem es trainiert wurde, ohne Neukalibrierung, was zu verzerrten oder ungültigen Vorhersagen führt.

Konsequenz

Bei angemessener Gestaltung und Validierung ermöglichen Bildmodelle automatisierte Kartierung, nahezu Echtzeitüberwachung und das Schließen von Lücken in In-situ-Beobachtungen; bei Missbrauch verbreiten sie systematische Fehler im großen Maßstab.

Umkehrung

Eine beschreibende Karte oder ein manuell aus Bildern abgeleitetes Regelwerk, das nicht als wiederverwendbares, parametrisiertes Modell kodiert ist und keine verallgemeinerbaren Vorhersagen erzeugen kann.

Abgrenzung

Umfasst empirische, physikalische und hybride Modelle, die auf Satellitenbildern operieren; schließt rein manuelle Bildinterpretation, Workflows ohne parametrisierten Prädiktor und Modelle ohne Bildinput aus.

Semantische Spannung

Spannungen bestehen zwischen datengetriebenen Modellen, die Vorhersageleistung priorisieren, und physikbasierten Modellen, die Interpretierbarkeit und Erhaltungssätze priorisieren; hybride Modelle versuchen, diese Ziele zu versöhnen.

Synthese

Ein Satellitenbildmodell ist eine parametrisierte Abbildung von Bildinputs (und optionalen Zusatzdaten) zu Zielvariablen, entwickelt, um zu generalisieren und Vorhersagen, Simulationen oder Inferenz mit bekannten Einschränkungen zu liefern.