Autorin: Heike Hoenig
Angesichts der Sentinel-Datenflut stehen Anwender – vor allem veredelnde Dienstleister ohne tiefe Datenmanagement-Kernexpertise – einigermaßen hilflos vor einem Angebot aus Myriaden von Satellitenbildern. Kataloge versuchen Abhilfe zu schaffen, jedoch gelingt dies nur unvollständig: Nach wie vor muss der Benutzer selbst aus der Unzahl von verfügbaren Szenen wählen. Nach wie vor bestehen die Treffer aus Dateien, die hinsichtlich Größe in aller Regel nicht exakt den Nutzerbedürfnissen entsprechen. Daher werden viele Pixel übertragen, welche gar nicht gebraucht werden – dies bringt eine unzureichende Dienstequalität mit sich, insbesondere da der Nutzer die Berechnungen darauf selbst durchführen muss.
Durch BigDataCube soll die Datennutzung der Sentinels und anderer Erdbeobachtungssatelliten verbessert und erweitert werden. Im Projekt soll die in Deutschland entwickelte Datenwürfel-Technologie rasdaman dazu auf Code-DE sowie in der kommerziellen Cloud-Umgebung der Cloudeo AG installiert werden, um beispielhaft interaktive Analysedienste anzubieten und miteinander zu vernetzen.
Die DLR-Forschungsstelle für Maritime Sicherheit in Bremen wird im Rahmen des Projekts ihre bestehenden automatischen Prozessoren für Wind und Seegang aus SAR-Aufnahmen (Synthetic Aperture Radar) zur Verwendung in Datenwürfeln anpassen. Damit ließen sich beispielsweise Anfragen wie „höchster Seegang an der deutschen Nordseeküste im Jahr 2017“ oder „mittlere Windgeschwindigkeit am geplanten Standort eines Offshore-Windparks“ sehr einfach aus den vorhandenen Erdbeobachtungsdaten beantworten.
Das Angebot aller Daten eines Satelliten-Instruments als ein einziges, raumzeitlich ausgerichtetes Objekt bietet dem Nutzer einige Vorteile:
- Bessere Überschaubarkeit der zu betrachtenden (und evtl. zu kombinierenden) Objekte.
- Umständliche, nutzerunfreundliche Hilfsmaßnahmen wie Semantik tragende Dateinamen entfallen; stattdessen geschieht die Extraktion intuitiv durch Ausschnittbildung in Raum und Zeit.
- Datenwürfel, als multidimensionale Objekte, vereinheitlichen eine Vielzahl von bisher unterschiedlich gehandhabten Datentypen: 1D-Sensor-Zeitreihen, 2D-Satelliten-Szenen, 3D-x/y/t-Satelliten-Zeitreihen und geophysikalische x/y/z-Voxel-Daten sowie 4D-x/y/z/t-Wetterdaten. Damit lassen sich Datenwürfel unterschiedlicher Dimension u.?a. leicht miteinander kombinieren (beispielsweise Zeitreihen aus Reflexionsdaten, Höhendaten oder Wetter-Zeitreihen).
- Auf dem Datenwürfel können mächtige, jedoch einfach zu handhabende Prozessierungsfunktionen angeboten werden – etwa: „Vegetationsindex über Portugal“, „Waldbrand-Risikogebiete über Griechenland“, „kombiniere Wetter-Zeitreihen mit Satellitenbildern“.
- Damit erhält der Nutzer exakt die Daten, die er benötigt, und in dem Format, das er benötigt: „What you get is what you need“.
Das Projekt BigDataCube wird vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert und hat eine Laufzeit von 18?Monaten. Koordinator ist die Jacobs University (Bremen), weitere Partner sind die Rasdaman GmbH (Bremen), Cloudeo AG (München) und die DLR-Forschungsstelle für Maritime Sicherheit (Bremen).
Kontakt:
Heike Hoenig
Wissenschaftsjournalistin
www.heike-hoenig.de