Ziel: Die Satellitenfernerkundung bietet die Möglichkeit, Prozesse der Erdoberfläche, die mit globalen Herausforderungen wie Klimawandel, Bevölkerungswachstum oder Verlust der biologischen Vielfalt in Zusammenhang stehen, kontinuierlich und global zu beobachten. Das kontinuierliche und flächendeckende Monitoring der Erdoberfläche erzeugt jedoch sehr große Datenmengen. Ziel des Verbundprojekts GeoMultiSens ist es deshalb, neue effektive Big-Data-Technologien für die fernerkundliche Multi-Sensor-Analyse zu erforschen und ihre Eignung an ausgewählten Anwendungsszenarien zu demonstrieren. Dazu wird eine integrierte Verarbeitungskette entwickelt, mit der sich Datenmengen im Petabyte-Bereich verarbeiten lassen. Eine besondere Herausforderung besteht in der Integration heterogener Erdbeobachtungsdaten, ihre parallele Analyse sowie die Visualisierung der Ursprungsdaten und Analyseergebnisse zur korrekten Detektion und Bewertung raum-zeitlicher Veränderungen der Erdoberfläche.

Projektpartner: Helmholtz-Zentrum Potsdam Deutsches GeoForschungsZentrum GFZ, Humboldt Universität zu Berlin (HU) und Zuse Institut Berlin (ZIB)

Gefördert durch: Bundesministerium für Bildung und Forschung (BMBF), Verbundprojekt im Rahmen der Hightech-Strategie der Bundesregierung: IKT 2020 - Forschung für Innovationen

Projektlaufzeit: 01.09.2014 - 31.12.2017

Ergebnisse: 

• Abschlussbericht: Sips, M., et. al. (2018): GeoMultiSens - Skalierbare multisensorale Analyse von Geofernerkundungsdaten, GFZ Helmholtz-Zentrum Potsdam : Potsdam. DOI: http://doi.org/10.2314/GBV:1028376081
• Publikation:
  • Sips, M., Köthur, P., Eggert, D. (2016): Toward a Visual Analytics Approach to Support Multi-Sensor Analysis in Remote Sensing Science. - Datenbank Spektrum, 16, 3, p. 219-225.
  • Scheffler, D., Sips, M., Behling, R., Dransch, D., Eggert, D., Fajerski, J., Freytag, J.-C.,; Griffiths, P., Hollstein, A., Hostert, P., Köthur, P., Peters, M., Pflugmacher, D., Rabe, A., Reinefeld, A., Schintke, F., Segl, K. (2016): GeoMultiSens – Scalable Multisensoral Analysis of Satellite Remote Sensing Data. - In: ESA Living Planet Symposium, EO Open Science Posters, 2016
  • Eggert, D., Sips, M., Köthur, P. (2016): Towards Visual Analytics for Multi-Sensor Analysis of Remote Sensing Archives. - In: Middel, A., Rink, K., Zeckzer, D. (Eds.), Workshop on Visualisation in Environmental Sciences (EnvirVis) 2016, (Eurographics Proceedings), p. 7-11.
  • Schmidtke, R., Laubender, G., Steinke, T. (2016): Big Data Analytics on Cray XC Series DataWarp using Hadoop, Spark and Flink. - In: Cray User Group (CUG) 2016 Proceedings.
• Talks:
  • GeoMultiSens project - open source, scalable and modular Big Data system, D. Eggert, UFZ & DLR: Workshop on Earth Observation Data, März 2017, Leipzig.
  • Big-Data and Small-Data Processing of Earth Observation Products: Application to Sentinel-2A and Agriculture, A. Hollstein, UFZ & DLR: Workshop on Earth Observation Data, März 2017, Leipzig.
  • Wie Unternehmen von Geofernerkundungsdaten profitieren können. - IHK Berlin und Bitkom Big Data Summit Berlin (zusammen mit Andre Hollstein), September 2016, Berlin.
  • GeoMultiSens – Scalable Multisensoral Analysis of Satellite Remote Sensing Data. - In: ESA Earth Observation Open Science 2016 Conference, Frascati, Italy, Sept 2016.
  • Skalierbare Analyse von Fernerkundungsdaten. - In: VDI - Arbeitskreis Mess- und Automatisierungstechnik, Juni 2016.
  • GeoMulitSens - Scalable Analysis of Big Remote Sensing Data. - In: Big Data All-Hands-Meeting, Dresden, Juni 2016.
  • Towards Visual Analytics for Multi-Sensor Analysis of Remote Sensing Archives. - In: Big Data All-Hands-Meeting, Dresden, Juni 2016.
  • "GeoMultiSens – Scalable Multisensoral Analysis of Satellite Remote Sensing Data. - In: ESA Earth Observation Open Science 2016 Conference, Frascati, Italy, Sept 2016.
• In den Medien:
  • Geoinformatics - GFZ German Research Center for GeoSciences - GeoMultiSens. - In: Germany - Excellence in Big Data, bitkom Report, Juni 2016.
  • Skalierbare Analyse von Fernerkundungsdaten. - In: Gauss-Allianz Infobrief, Nr. 38, September 2015.
  • Neue Projekte: GeoMultiSens - Skalierbare multisensorale Analyse von Geofernerkundungsdaten. - In: GZF-Journal "System Erde", Heft 2, 2014
• Video: GeoMultiSens - Skalierbare multisensorale Analyse von Geofernerkundungsdaten (youtube) 
• Flyer:GeoMultiSens - Skalierbare multisensorale Analyse von Geofernerkundungsdaten (pdf)
• Softwarepublikationen: 
  • Sips, M.; et. al. (2018): GeoMultiSens: Scalable Multi-Sensor Analysis Platform for Remote Sensing Data. V. 1.0.0. GFZ German Research Centre for Geosciences. http://doi.org/10.5880/GFZ.1.5.2018.005
  • Eggert, Daniel; Sips, Mike; Dransch, Doris (2018): gms-index-mediator: a R-tree-based in-memory index for fast spatio-temporal queries for the GeoMultiSens platform. V. 1.0.0. GFZ German Research Centre for Geosciences. http://doi.org/10.5880/GFZ.1.5.2018.004
  • Eggert, Daniel; Sips, Mike; Dransch, Doris (2018): gms-vis: a web-based visual-analytics approach for input data assessment, job parameter definition and progress monitoring for the GeoMultiSens platform. V. 1.0.0. GFZ German Research Centre for Geosciences. http://doi.org/10.5880/GFZ.1.5.2018.001
• Auszeichnung:
  • GeoMultiSens ist für den Bitkom, Smart Data Forum, und Germany Trade & Invest Report “Germany – Excellence in Big Data” ausgewählt worden. Der Report präsentiert einem internationalen Publikum Forschungsschwerpunkte von mehr als 30 wissenschaftlichen Organisationen, sowie Projekte, Produkte und Strategien von über 60 Technologieanbietern und 40 Anwendern von BigData.
  • Die AHK Kanada (the Canadian German Chamber of Industry & Commerce) lädt Mike Sips  als einen von fünf deutschen Experten zu einer Konferenz zu Big Data, Internetsicherheit und Künstliche Intelligenz nach Ottawa, Kanada, ein. Die Konferenz stellt neueste Entwicklungen aus Deutschland vor, Mike Sips präsentiert GeoMultiSens, eine am GFZ mitentwickelte BigDataTechnologie zur multisensoralen Analyse von optischen Fernerkundungsdaten. Von kanadischer Seite nehmen 200 ausgewählte Fachleute teil.
• Open-Source:https://git.gfz-potsdam.de/geomultisens/gms-meta