Door de enorme hoeveelheid gegevens die door diverse aardobservatiemissies wordt verzameld, zijn beperkingen in de downlinkcapaciteit en opslagruimte een groot obstakel geworden voor het volledig benutten van al deze waardevolle informatie. Het CORSA-project, gefinancierd door het PhiLab EO Open Science for Society-initiatief van het Europees Ruimteagentschap, pakt deze uitdaging aan met een innovatieve, op AI gebaseerde compressiemethode.
CORSA is een reeks lichtgewicht AI-compressie- en foundation-modellen voor multi- en hyperspectrale gegevens. Het maakt gebruik van geavanceerde deep learning-technieken om beelden van sensoren zoals Sentinel-1, Sentinel-2 en PRISMA efficiënt te comprimeren, waardoor het datavolume drastisch wordt verminderd met behoud van een hoge beeldkwaliteit, zelfs bij compressieverhoudingen van 100x.
De gecomprimeerde kenmerken van CORSA kunnen direct worden gebruikt voor het bouwen van downstream-toepassingen, zoals landgebruikclassificatie, veranderingdetectie en het in kaart brengen van natuurrampen. Ga voor gedetailleerde informatie over de CORSA-methode naar deze blogpost (in het Engels).
De CORSA-compressietechnieken zijn nu beschikbaar als openEO-processen in de Terrascope-backend. Met deze twee nieuwe processen kunnen gebruikers Sentinel 2-gegevens efficiënt comprimeren en decomprimeren, rechtstreeks in hun openEO-gegevensverwerkingsworkflows.
- corsa_compress: Comprimeert een datakubus met behulp van het CORSA-algoritme.
- corsa_decompress: decomprimeert een datakubus die met het CORSA-algoritme is gecomprimeerd om de oorspronkelijke datakubus te reconstrueren.
Een werkende Notebook waarin deze CORSA-compressie- en decompressieprocessen worden gedemonstreerd, is beschikbaar in de openEO community examples repository. Gebruikers kunnen het notitieboekje aanpassen aan hun eigen toepassingen of het gebruiken als sjabloon voor het integreren van CORSA-compressie in grotere workflows.
