MONITOR - Statistica areale
Disponibile solo in tedesco e francese - Automazione parziale della statistica areale del suolo con l'ausilio di informazioni sui vicini spaziali e temporali. Amministrazione beneficiaria: Ufficio federale di statistica.
Kontext
Eine der Aufgaben des Bundesamts für Statistik (BFS) ist die Erstellung der Arealstatistik, eines Instruments, mit dem gemessen werden kann, ob die Bodenbedeckung und -nutzung zu einem bestimmten Zeitpunkt und im Laufe der Zeit mit den Zielen der Raumentwicklung übereinstimmt. Für weitere Informationen verweisen wir den Leser auf diese Seite. In Bezug auf dieses Dokument sei folgender Auszug zu zitieren: ‹Die Interpretation der Bodennutzung und -bedeckung erfolgt für feste Stichprobenpunkte, die in einem Raster von 100 m x 100 m über die Luftbilder gelegt sind›. Es sollte auch darauf hingewiesen werden, dass die Interpretation jedes dieser Punkte die Zuweisung einer Klasse (von 27) in Bezug auf die Nutzung und einer Klasse (von 46) in Bezug auf die Bedeckung umfasst.
Seit 2022 verwendet das Bundesamt für Statistik eine innovative, durch künstliche Intelligenz (KI) angetriebene IT-Lösung, die den Prozess der Klassifizierung der festen Stichprobenpunkte teilweise automatisiert und damit die Aktualisierungszyklen verkürzt. Mehrere Indikatoren werden von der KI als Input verwendet. Das BFS hat das STDL beauftragt zu untersuchen, ob für jeden Stichprobenpunkt ein en-ter Indikator verwendet werden sollte, der auf der Grundlage früherer Klassifizierungen ('zeitliche Nachbarn') desselben Punktes und seiner unmittelbaren Nachbarn ('räumliche Nachbarn') gebildet wäre. Dieses Projekt wird feststellen, ob die ‹zeitlich-räumlichen Nachbarn› Informationen enthalten, die für die Klassifizierung und/oder die Vorhersage einer wahrscheinlichen Veränderung im Vergleich zur vorherigen Klassifizierung nützlich sind.
Methodik
Das Projekt erforschte den internen Verwandlungsmechanismus der Schweizer Bodenstatistik aus der Sicht der Datenanalyse und baute einen Prototyp, der die Erkennung von Veränderungen für eine Kachel in der nächsten Klassifizierung durchführt. Wir haben mehrere neue Techniken des maschinellen Lernens angewandt, um die Interpretationsarbeit zu beschleunigen, insbesondere mit Deep-Learning-Algorithmen wie dem «Fully Connected Network» und dem «Convolutional Recurrent Neural Network».
Ergebnisse
Durch die Verwendung von zeitlichen und räumlichen Daten aus der Nachbarschaft verbessert unser Prototyp die Leistung um ca. 15,8 % im Vergleich zur Baseline (6 % in Metrik). Dank des entworfenen Arbeitsablaufs wird das Projekt 30-40 % des geschätzten Arbeitsaufwands für das Interpretieren, der sich aus den Forschungsergebnissen ergibt, einsparen.
Interaktive Abbildung verfügbar hier.
Ressources documentées
Tous les travaux du STDL sont publiés sous une license ouverte et nous vous encourageons à les utiliser dans vos projets.
Indice
Ritorna alla pagina principale dello STDL
Swiss Territorial Data Lab
Lo Swiss Territorial Data Lab (STDL), lanciato nel 2020 nell'ambito della Strategia svizzera per la geoinformazione (SGS), rientra nel campo d'azione n. 5 «Promozione dell'innovazione». Questo laboratorio offre alle amministrazioni pubbliche uno spazio di sperimentazione in cui possono testare nuovi approcci per rispondere alle loro sfide concrete. Il laboratorio favorisce la collaborazione tra esperti tecnici e professionisti del settore per co-creare soluzioni efficaci e adeguate.
Office fédéral de topographie swisstopo
Seftigenstrasse 264
3084 Wabern