I den här pilotstudien har vi utforskat hur rymddata kan kombineras med meteorologisk information för att göra sökningar i satellitdataarkiv snabbare, mer träffsäkra och mer användbara. Genom att bättre kunna identifiera moln och atmosfäriska förhållanden redan i söksteget kan vi både minska onödiga nedladdningar och säkerställa högre datakvalitet i efterföljande analyser. Resultatet är ett viktigt steg mot mer automatiserade och AI-drivna arbetsflöden inom jordobservation, och är öppet för åtkomst via DES-platformens githubsida.
Arbetet har genomförts i nära samarbete mellan RISE och rymddatalabbets samarbetspartner. Pilotstudien startade under andra kvartalet 2024 och är en av tre centrala piloter inom projektet. Den bygger vidare på tidigare arbete i rymddatalabbet, där metoder för molndetektering tagits fram, men fokuserar på metereologisk metadata som filter.
Under hösten 2024/25 vidareutvecklade och granskade CGI den befintliga lösningen och anpassade den för Digital Earth Sweden-plattformen. Fokus låg både på teknisk kvalitetssäkring och på praktisk integration i DES-plattformen. Samtidigt inledde Stockholms universitet planering för att använda både konceptet och den tekniska lösningen i studenters examensarbeten, vilket tydligt visar på pilotens värde även för utbildning och forskning.
Under början av 2025 har arbetet fortsatt med målet att göra lösningen mer generell, robust och användbar för fler typer av användningsfall. Integrationen med Digital Earth Sweden har fördjupats ytterligare för att göra resultaten lättillgängliga.
Pilotstudien har resulterat i en fungerande metod för att analysera meteorologisk metadata och använda den för att automatiskt filtrera satellitdata. Det gör det möjligt att hitta rätt data snabbare och med högre precision. Att metoden redan planeras används i utbildningssammanhang visar också på dess pedagogiska värde och bidrar till ökad kunskap om hur AI kan tillämpas inom jordobservation.
Sammantaget ligger resultaten väl i linje med rymddatalabbets arbete: att stärka samarbetet mellan akademi, offentlig sektor och industri samt att främja användningen av rymddata inom både forskning och utbildning. På sikt bidrar arbetet till mer effektiv datahantering och bättre beslutsunderlag inom exempelvis miljöövervakning och resursoptimering.