Muhammed Goktepe Amir hossein Shamseddin Erencan Uysal Javier Muinelo Monteagudo Lukas Drees Aysim Toker Senthold Asseng Malte von Bloh

Abstract

Satellitenbilder sind für die Erdbeobachtung unerlässlich und ermöglichen Anwendungen wie die Prognose von Ertragsmengen, die Umweltüberwachung und die Bewertung des Klimawandels. Die Integration von Satellitenbildern mit Klimadaten stellt jedoch weiterhin eine Herausforderung dar, was ihre Nutzbarkeit für Vorhersagen und Szenarioanalysen einschränkt. Wir stellen einen neuen Datensatz vor, der 2,9 Millionen Sentinel-2-Bilder umfasst, die 15 Landbedeckungsarten abdecken und entsprechende Klimadaten enthalten. Dies bildet die Grundlage für zwei Ansätze zur Generierung von Satellitenbildern unter Verwendung fein justierter Stable-Diffusion-3-Modelle (Stable Diffusion 3). Der erste Ansatz ist ein Text-zu-Bild-Generierungsmodell, das textuelle Anweisungen mit klimatischen und Landbedeckungsdaten verwendet, um realistische synthetische Bilder für bestimmte Regionen zu erzeugen. Der zweite Ansatz nutzt ControlNet zur bedingten Bildgenerierung unter mehreren Bedingungen, wobei räumliche Strukturen erhalten bleiben, während Klimadaten abgebildet oder Zeitreihen generiert werden, um Landschaftsevolutionen zu simulieren. Durch die Kombination von synthetischer Bildgenerierung mit Klima- und Landbedeckungsdaten fördert unsere Arbeit das generative Modellieren in der Fernerkundung und bietet realistische Eingaben für Umweltvorhersagen sowie neue Möglichkeiten für Anpassung an den Klimawandel und georäumliche Analysen.