Suchen

Samstag, 21. September 2024

Die Kartierung der Ozeane

Meeresbodenkartierung mit Deep Learning
Redaktion: BIFOLD
PRESSEMITTEILUNG
Berlin/gc. Etwa 71 Prozent der Erdoberfläche sind mit Wasser bedeckt. Die 29 Prozent der Landfläche sind vollständig kartiert – die meisten Gegenden sogar mehrfach.

Im Gegensatz dazu ist nur ein kleiner Bruchteil des Meeresbodens bisher durch direkte Beobachtung kartiert. Wissenschaftler sind überzeugt, dass sogenannte bathymetrische Daten – also Daten aus der Vermessung und Kartierung der Topographie von Gewässerböden - eine Schlüsselrolle für den Schutz der Ozeane spielen. BIFOLD-Forscher Dr. Panagiotis Agrafiotis veröffentlichte jetzt MagicBathyNet, einen Referenz-Datensatz, gekoppelt mit effizienten Tools für die fortlaufende bathymetrische sowie semantische Kartierung von Gewässern.

Getrieben durch Einflüsse wie Lebensraumzerstörung, Verschmutzung, Naturkatastrophen, Offshore-Energie oder Ressourcenbedarf hat die Bedeutung der Meeresbodenkartierung in den letzten Jahren zugenommen. Wissenschaftler sind überzeugt, dass sogenannte bathymetrische Daten die UN-Ziele für nachhaltige Entwicklung (SDGs) oder den EU Green Deal unterstützen.

BIFOLD-Forscher Dr. Panagiotis Agrafiotis, Postdoc in der BIFOLD-Forschungsgruppe „Big Data Analytics for Earth Observation“, unter der Leitung von Prof. Dr. Begüm Demir, entwickelte jetzt den Benchmark-Datensatz MagicBathyNet. Dabei handelt es sich um einen aus Luft- und/oder Satellitenbildern gewonnenen Referenz-Datensatz, gekoppelt mit effizienten Tools für die fortlaufende bathymetrische sowie semantische Kartierung von Gewässern. MagicBathyNet ist der erste öffentlich verfügbare multimodale Datensatz für diese Aufgaben. „Unser Ziel ist es, wesentliche Fortschritte in der Meeresbodenkartierung mit Deep Learning zu ermöglichen“, so Panagiotis Agrafiotis.

Diese neuen Daten und Tools stehen sowohl Wissenschaftlern als auch Ingenieuren und politischen Entscheidungsträgern kostenlos zur Verfügung. Sie sollen zur Minderung der Umweltrisiken für Küstengegenden und bis 2030 zur vollständigen und hochauflösenden Kartierung der EU-Meeresböden beitragen. Genaue, detaillierte und hochfrequente Bathymetrie gekoppelt mit der Bereitstellung semantisch komplexer Daten ist beispielsweise entscheidend für die wenig kartierten flachen Küstengebiete, die von intensiven klimatischen und anthropogenen Belastungen betroffen sind.

„In der Zukunft werden wir KI-Tools für Bathymetrie und semantische Daten für die bedrohten flachen Wassergebiete liefern. Dies kommt der Erdbeobachtung, der Fernerkundung und den Wissenschaftler*innen in den Bereichen des maschinellen Lernens, der Meeresbiologie, des Küsteningenieurwesens, der Geologie und Hydrographie sowie der Unterwasserarchäologie zugute“, erklärt Panagiotis Agrafiotis, der das Projekt leitet.

Durch die Gewinnung hochauflösender Kartierungen unter Verwendung von bildbasierten Erdbeobachtungsdaten wird eine neue Industrie in der Hydrographie und Bathymetrie entstehen, so vermuten die Wissenschaftler*innen. Die resultierenden Daten werden multitemporal und in unterschiedlichen Auflösungen verfügbar sein, was zu einer konsistenten Überwachung der flachen Küstenzone beitragen kann.

Das Projekt hat nicht nur eine enorme wirtschaftliche Auswirkung, sondern folgt auch dem „Do No Significant Harm“-Prinzip von Horizon Europe und trägt aktiv zu den UN-Zielen für nachhaltige Entwicklung (SDGs 13-14) sowie zum EU Green Deal bei. Die Ergebnisse des Projekts werden zu einer Reduzierung der CO2-Emissionen bei bathymetrischen Kartierungskampagnen durch den Einsatz unbemannter Luftfahrzeuge und Satelliten führen und auch das Meeresleben vor Schiffskollisionen schützen. Die Ergebnisse werden dazu beitragen, die flachen Küstenumgebungen zu schützen, indem mehr Informationen zur Verbesserung von Richtlinien und Entscheidungsfindungen bereitgestellt werden.

Wissenschaftliche Ansprechpartner:
Dr. Panagiotis Agrafiotis
agrafiotis@tu-berlin.de

Originalpublikation:

Weitere Informationen:

Berlin Institute for the Foundations of Learning and Data – BIFOLD
______________________________________