Spektralanalyse von Geodaten für den Katastrophenschutz

Beschreibung

In der heutigen Zeit, in der sich immer mehr Naturkatastrophen ereignen, ist die Krisenbewältigung ein brennendes Thema für die Fernerkundungsgemeinschaft. Geeignete Reaktionszeiten und qualitativ hochwertige Daten zur Krisenerfassung solcher Ereignisse können den Unterschied zwischen einer gut organisierten Krisenreaktion und einer Katastrophe ausmachen.
Die derzeitige Praxis umfasst heuristische Methoden der Bilderfassung durch UAVs und eine meist heuristische Bildanalyse. Diese Erkenntnisse werden genutzt, um die Reaktion auf die Gebiete abzustimmen, die am dringendsten Hilfe benötigen. Mit einer Kombination aus bewährten GIS-Lösungen, öffentlich verfügbaren Forschungssatellitenbildern und neueren Ansätzen des maschinellen Lernens für die Segmentierung und Objekterkennung könnten Qualität und Geschwindigkeit der Gewinnung von Erkenntnissen über Krisen erheblich verbessert werden.
Ziel dieser Arbeit ist es, die Schäden der immer öfter auftretenden Überflutungen in Deutschland mithilfe von Aufnahmen im nahen Infrarotbereich zu beurteilen. Dafür ist eine mögliche Pipeline zu untersuchen, zu bewerten und zu bestimmen. Die Entwicklung von automatisierten Bildverarbeitungs- und Analysealgorithmen für georeferenzierte Satellitenbilder ist ein entscheidender Meilenstein in der genannten Aufgabe.
Diese auf klassische Art der Bildverarbeitung erhaltenen Ergebnisse werden dann verwendet, um ein maschinelles Lernmodell für die Segmentierung und Objekterkennung zu trainieren, das zur Klassifizierung der Einschlagsschwere in verschiedenen Regionen führt.

Status

laufend