Künstliche Intelligenz zur Kartierung von Gletscherfrontlagen

Die Kartierung von Gletscherfrontlagen erfolgt in enger Zusammenarbeit mit dem “Artificial Intelligence for Cold Regions” (AI-CORE) Projekt. Erik Loebel vom Team an der TU Dresden spricht über Motivation und Herausforderungen bei der Anwendung von KI-Methoden für das Monitoring der Gletscher in Nordost-Grönland.

Was ist der wissenschaftliche Hintergrund?

Eine genaue Parametrisierung des Eisbergkalbens ist nicht nur Indikator für den Zustand eine Gletschers, sondern trägt maßgeblich zum Verständnis der Eisdynamik sowie der zugrundeliegenden Prozesse und damit zu einer zuverlässigeren Modellierung bei. Die stetig ansteigende Verfügbarkeit und Qualität satellitenbasierter Beobachtungsdatendaten ermöglicht eine flächendeckende und kontinuierliche Beobachtung, hebt aber gleichzeitig die Notwendigkeit intelligenter Datenanalyseverfahren hervor.

Wie werden die Frontlagen erfasst und welche Herausforderungen gibt es dabei?

Für die automatisierte Frontlagenkartierung werden Methoden des maschinellen Lernens, speziell des deep learnings, auf optische Landsat-8-Satellitendaten angewandt. Hierfür nutzen wir ein Convolutional Neural Network welches auf Grundlage multispektraler, textureller sowie topografischer Eingangsdaten eine semantische Bildsegmentierung vornimmt. Die voll automatisierte Arbeitsweise ermöglicht uns, umfangreiche Datensätze flächendeckend für alle wichtigen Ausflussgletscher Grönlands, wie dem Zachariæ Isstrøm und 79°-Nord-Gletscher, bereitzustellen. Da sich Kalbungsverhalten, Ozeanzustand sowie Beleuchtungsbedingung über das Jahr drastisch ändern, sind zuverlässige Vorhersagen für diese Region besonders herausfordernd.

Was können wir aus den Daten lernen?

Die dargestellte Animation zeigt anhand über 350 separat erfasster Positionen den zeitlichen Verlauf der Front des 79°-Nord-Gletschers von 2013 bis 2021. In Kombination mit zusätzlichen geodätischen Beobachtungen tragen die kartierten Frontlagen als Baustein von GROCE Teilprojekt 6 zur Untersuchung sowie Trennung verschiedener glaziologischer und geophysikalischer Prozesse des Grönländischen Eissschildes bei.