Οι εικόνες παρατήρησης της γης αποτελούν τη βάση για σχεδόν κάθε υπηρεσία γεωπληροφορικής. Τέτοια μεγάλα σύνολα δεδομένων, συχνά της τάξης των terabytes, απαιτούν διασφάλιση της ποιότητας, η οποία γενικά γίνεται με βάση δειγματοληπτικά δεδομένα- ομοίως, απαιτούνται δεδομένα για την εκπαίδευση αυτοματοποιημένων αλγορίθμων ταξινόμησης. Για υπηρεσίες γεωπληροφορικής και παρατήρησης γης , όπως το ευρωπαϊκό πρόγραμμα Copernicus, η διασφάλιση της ποιότητας είναι απαραίτητη προϋπόθεση. Η συλλογή δειγματοληπτικών δεδομένων βασίζεται σε δεδομένα εικόνων αναφοράς ή επίγεια δεδομένα (ground truth) - η επικύρωση πραγματοποιείται συνήθως από γεωεμπειρογνώμονες σε μια πολύ περίπλοκη, χρονοβόρα και δαπανηρή διαδικασία, ιδίως για προϊόντα μεγάλης έκτασης και σημασιολογικά πολύπλοκα.

Μια πιθανή προσέγγιση του προβλήματος αυτού είναι η χρήση μη ειδικών και το crowdsourcing. Για να διερευνήσει αυτή τη δυνατότητα, ο Ευρωπαϊκή Υπηρεσία Διαστήματος δρομολόγησε μια μελέτη περίπτωσης στο πλαίσιο του έργου "Thematic Exploitation Platform URBAN" (TEP Urban). Το Γερμανικό Κέντρο Αεροδιαστήματος DLR (Deutsches Zentrum für Luft- und Raumfahrt) ανέθεσε στις εταιρείες Pallas Ludens και cloudeo να απαντήσουν στο ερώτημα: 'Είναι τεχνικά και οικονομικά εφικτή η χρήση εμπορικών τηλεπισκοπικών εικόνων για crowdsourcing για την επικύρωση γεωδεδομένων;'

Για την παρούσα μελέτη, το προϊόν DLR Global Urban Footprint (GUF) χρησιμοποιήθηκε ως παράδειγμα για ένα επίπεδο ταξινόμησης. Η Pallas Ludens παρείχε την εμπειρογνωμοσύνη της στις τεχνικές crowdsourcing και η cloudeo επιλέχθηκε για την σημαντική εμπειρία της στο να κάνει τα δεδομένα παρατήρησης Γης προσβάσιμα σε πολλούς χρήστες. Εκτός από τη διαμεσολάβηση για την πρόσβαση σε δεδομένα από τους εταίρους του περιεχομένου, η cloudeo αξιολόγησε επίσης πιθανά επιχειρηματικά μοντέλα για τη συγκεκριμένη περίπτωση χρήσης του crowdsourcing.

Η Pallas Ludens ανέλαβε να δημιουργήσει το τεχνικό πλαίσιο για μια υπερσύγχρονη συλλογή δειγματικών δεδομένων με βάση το πλήθος, η οποία αποτελείται από γεωεικόνες πολλαπλής ανάλυσης. Αντίστοιχα, η cloudeo παρείχε το Service API της για να δημιουργήσει τη διεπαφή για την εφαρμογή σε μια ομοιογενή πρόσβαση σε υπηρεσίες ιστού. Σχετικά με την επικύρωση κτιρίων ή ομάδων κτιρίων εντός της GUF, προεπιλέχθηκαν έγχρωμες εικόνες, με μέγεθος εικονοστοιχείου ίσο ή καλύτερο από 15 m. Συγκεκριμένα:

- Εικόνες πολύ υψηλής ανάλυσης (ανάλυση καλύτερη από 1m)

- Εικόνες υψηλής ανάλυσης (ανάλυση καλύτερη από 2,5m)

- Οπτικά βελτιωμένες εικόνες με ανάλυση 15m.

Το cloudeo Service API δημιουργεί ομοιογενή πρόσβαση στα δεδομένα και απλοποιεί την πρόσβαση για την εφαρμογή crowdsourcing. Εκτός αυτού, η ενσωματωμένη μέτρηση υποστηρίζει επιχειρηματικά μοντέλα πληρωμής ανά χρήση και ειδικά για κάθε εφαρμογή.

Για τον έλεγχο του κόστους αυτής της μελέτης περίπτωσης, η cloudeo επέλεξε υπηρεσίες από τις εταιρείες SI Imaging και Airbus Defence and Space, καθώς και από την PlanetObserver, η οποία προσέφερε δωρεάν δεδομένα για τη μελέτη. Ως περιοχές ενδιαφέροντος επιλέχθηκαν η Καλιφόρνια και το Νέο Δελχί- μια λεπτομερής ανάλυση των επιδόσεων του crowdsourcing εκτελέστηκε στη δοκιμαστική περιοχή της Καλιφόρνιας. Η περιοχή επίδειξης του Νέου Δελχί χρησιμοποιήθηκε ως δεύτερη τοποθεσία δοκιμής.

Η cloudeo διατηρεί συμφωνίες με ορισμένους παρόχους, όπως η PlanetObserver, η οποία επιτρέπει την αρχειοθέτηση δεδομένων με προσωρινές άδειες χρήσης για μία ημέρα, έναν ή αρκετούς μήνες με μειωμένο κόστος. Αυτό το μοντέλο είναι πολύ κατάλληλο για crowdsourcing. Λόγω της έξυπνης επιλογής περιοχών και της ανάθεσης εργασιών από την εφαρμογή, ένας γρήγορος χρόνος πρόσβασης στην εικόνα θα είναι, στις περισσότερες περιπτώσεις, επαρκής για την απόκτηση των αποτελεσμάτων. Έτσι, η εφαρμογή μπορεί να επωφεληθεί ακόμη και από μια άδεια χρήσης μίας ημέρας. Αυτή η ημερήσια άδεια προσφέρθηκε για τις εικόνες PlanetSAT 15 της PlanetObserver. Η cloudeo φιλοξένησε το παγκόσμιο σύνολο δεδομένων του PlanetSAT και παρείχε αυτό το σύνολο δεδομένων ως διεθνή διαδικτυακή υπηρεσία. Η τιμολόγηση εξαρτάται από τον αριθμό των χρηστών και την περιοχή, ενώ είναι ανεξάρτητη από τον αριθμό των προβολών του χάρτη. Η τιμολόγηση φαίνεται κατάλληλη για την εφαρμογή crowdsourcing χαμηλού κόστους: με ελάχιστη χρέωση 500 ευρώ, σχεδόν 30.000 τετραγωνικά χιλιόμετρα είναι προσβάσιμα για ένα μήνα.