Im Kontext des Klimawandels erkennen immer mehr Gemeinden ihre Verantwortung, Maßnahmen zur Anpassung an den Klimawandel in ihre Konzepte zur Stadtentwicklung zu integrieren. Vegetationsindikatoren wie das Grünvolumen und der Beschirmungsgrad können eine bedeutende Rolle bei der Reduzierung von bspw. städtischen Wärmeinseln spielen. Im Rahmen des UrbanGreenEye-Projekts entwickeln wir Fernerkundungsindikatoren basierend auf Satellitendaten, die ein regelmäßiges Monitoring von Gemeinden in ganz Deutschland ermöglichen. Sentinel-2 liefert dafür wöchentlich multispektrale Daten mit einer räumlichen Auflösung von bis zu 10 Metern und ist kostenlos verfügbar. Bei der Klassifizierung von Satellitenbildzeitreihen haben sich DeepLearning-Algorithmen, einschließlich Transformer-Modelle, als wirksam erwiesen. Häufig mangelt es KI-Modellen an der Fähigkeit, auf räumlich und zeitlich unterschiedliche Bedingungen übertragen zu werden. Deshalb wurden Ansätze zur Verbesserung der Generalisierungsfähigkeit wissenschaftlich untersucht und zur Herleitung der Indikatoren optimiert. Die Indikatoren ermöglichen eine Vielzahl von weiterführenden Anwendungen, auch außerhalb des kommunalen Kontexts.
Indikatoren werden als Rasterdatensätze unter CC BY-NC (non commercial) bereitgestellt und Algorithmen stehen unter General Public License auf GitHub zur Verfügung.